Keras密集層輸出-形狀錯誤

Question

我正在使用LSTM解決NLP問題。 問題是具有3個類別（1,2和3）的多類別分類。 因此，我使用以下代碼轉換了目標類： y_train=to_catgorical(y_train)並類似地為y_test 。 但是在我寫model.add((Dense(3,activation='softmax'))的輸出密集層中，出現以下錯誤：

檢查目標時出錯：預期density_1具有形狀（None，3），但數組的形狀（658118，4）

但是，當我將其修復為model.add((Dense(4,activation='softmax')) ，即n + 1（n =要預測的類數），它可以工作， 但是在Keras示例中，它們已經與cifar10一起工作了。數據集，並且使用的類數為10，而不是11，並且可以工作，在二進制分類的情況下（要預測2個類），我們僅使用1個輸出，即model.add(Dense(1,"sigmoid")) 。我已經看完了這篇文章，但仍然無法找到令人信服的邏輯，因此我想通過Keras中的Dense層輸出形狀來清除此概念。

PS我了解的是，Keras考慮從0:num_classes類，因此我們必須再進行一次轉換。 但是要問一件事，那么“ 0”向量層必須保留未使用的權利嗎？ 在cifar10數據集的情況下，是否類是0:9 ，這就是為什么num_classes = 10起作用的原因？ 如果真是這樣，那么如果我們必須對3個類（0,1＆2）進行預測，那么我們可以使用num_classes = 3對嗎？

Answer 1

也許重要的是要注意使用Keras框架來提供一種熱編碼功能：

from keras.datasets import cifar10
from keras.utils import np_utils    
y_label_train_OneHot = np_utils.to_categorical(y_label_train)
y_label_test_OneHot = np_utils.to_categorical(y_label_test)

您可以看到此代碼代碼簡而言之，我個人認為使用不同的功能會導致一組不同的類別。