我正在使用Keras的Functional
API（使用TensorFlow后端）训练具有多个输出层的文本情感分类模型。该模型的输入是由所述Keras预处理API的hashing_trick（）函数产生的散列值的numpy的阵列，并且使用一个
列表
二元一热标签作为其目标的numpy的阵列，按照Keras规范训练具有多个输出的模型（请参见fit（）的文档：https：//keras.io/models/model/）。

这是模型，没有大多数预处理步骤：

    textual_features = hashing_utility(filtered_words) # Numpy array of hashed values(training data)

    label_list = [] # Will eventually contain a list of Numpy arrays of binary one-hot labels

    for index in range(one_hot_labels.shape[0]):
        label_list.append(one_hot_labels[index])

     weighted_loss_value = (1/(len(filtered_words))) # Equal weight on each of the output layers' losses

     weighted_loss_values = []

     for index in range (one_hot_labels.shape[0]):
        weighted_loss_values.append(weighted_loss_value)


     text_input = Input(shape = (1,))


     intermediate_layer = Dense(64, activation = 'relu')(text_input)


     hidden_bottleneck_layer = Dense(32, activation = 'relu')(intermediate_layer)

     keras.regularizers.l2(0.1)

     output_layers = []

     for index in range(len(filtered_words)):
        output_layers.append(Dense(2, activation = 'sigmoid')(hidden_bottleneck_layer))

     model = Model(inputs = text_input, outputs = output_layers)            
     model.compile(optimizer = 'RMSprop', loss = 'binary_crossentropy', metrics = ['accuracy'], loss_weights = weighted_loss_values)

     model.fit(textual_features, label_list, epochs = 50)

这是此模型产生的错误跟踪训练的要点：

ValueError：检查目标时出错：预期density_3的形状为（2，），但数组的形状为（1，）