尝试拟合keras模型时出现错误“两种形状中的尺寸0必须相等，但分别为2和1”

Question

我正在尝试进行二元分类，我的数据的每个条目都由一个特征列表（以前生成的bert特征在csv上保存为tensor.numpy.flatte（），并加载为pandas dataframe）和一个标签（0或1个值）组成

然后，我创建了一个简单的模型（只是为了测试），它有一个密集的16个relu层和一个密集的1个sigmoid层。我使用二进制交叉熵损失和Adam优化器编译模型

当我运行模型拟合时，我得到了错误

ValueError: Dimension 0 in both shapes must be equal, but are 2 and 1. Shapes are [2] and [1]. for '{{node AssignAddVariableOp_8}} = AssignAddVariableOp[dtype=DT_FLOAT](AssignAddVariableOp_8/resource, Sum_7)' with input shapes: [], [1]

我已经尝试过重塑y，但得到了相同的错误。如果我使用2 softmax层（带有BinaryCrossentropy或sparse\u Category\u crossentropy），则会得到另一个错误： ValueError:logits和标签必须具有相同的形状（（无，2）与（无，1））

我已经在stackoverflow中查看了许多解决方案，但无法解决我的问题。谁能帮帮我吗

Tensorflow和keras版本：2.5.0

train = pd.read_csv("../../../bert_features/panglee/panglee_bert_features_train.csv", sep=",") 
valid = pd.read_csv("../../../bert_features/panglee/panglee_bert_features_valid.csv", sep=",") 
test = pd.read_csv("../../../bert_features/panglee/panglee_bert_features_test.csv", sep=",")
x_train = train['bert_feats'].apply(np.vectorize(tf.constant))
y_train = train['label'].apply(np.vectorize(tf.constant))

x_valid = valid['bert_feats'].apply(np.vectorize(tf.constant))
y_valid = valid['label'].apply(np.vectorize(tf.constant))

x_test  = test['bert_feats'].apply(np.vectorize(tf.constant))
y_test  = test['label'].apply(np.vectorize(tf.constant))

y_train = np.asarray(y_train).astype('float32').reshape((len(y_train),1))
y_valid = np.asarray(y_valid).astype('float32').reshape((len(y_valid),1))
y_test = np.asarray(y_test).astype('float32').reshape((len(y_test),1))

model = keras.Sequential()
model.add(keras.layers.Dense(16, activation='relu'))
model.add(keras.layers.Dense(1, activation='sigmoid'))
model.compile(optimizer='adam', 
              loss=keras.losses.BinaryCrossentropy(),
              metrics=['accuracy', tf.metrics.Precision(),tf.metrics.Recall(), tfa.metrics.F1Score(num_classes=2, average='macro'), tf.metrics.AUC(curve='PR'),tf.metrics.AUC(curve='ROC')])
model.fit(x_train, y_train, epochs=10, validation_data=(x_valid, y_valid))

Answer 1

在这里回答这个问题是为了社区的利益，因为问题已经如评论中所述得到解决

Problem solved. I used set_to_categorical() and worked fine.