tensorflow2.0-ValueError:A target array with shape was passed for an output of shape...问题解决 tensorflow

在Jupyter notebook训练一个多分类模型时遇到报错
问题：
喂入的是fashion_mnist数据集，训练和测试的图片都经过了归一化，标签也都转为独热编码
【tensorflow2.0-ValueError:A target array with shape was passed for an output of shape...问题解决】模型建立的代码如下：

model = tf.keras.Sequential() model.add(tf.keras.layers.Flatten(input_shape = (28, 28))) model.add(tf.keras.layers.Dense(128, activation = 'relu')) model.add(tf.keras.layers.Dense(10, activation = 'softmax'))

之前运行的时候是没有报错的，
后来我打算添加层，试一下网络拟合能力有没有提升，
于是在上面的代码下面简单粗暴地加了一行：

model.add(tf.keras.layers.Dense(128, activation = 'relu'))

之后进行模型装配，指定损失函数为分类交叉熵

model.compile(optimizer = tf.keras.optimizers.Adam(learning_rate = 0.01), loss = 'categorical_crossentropy', metrics = ['acc'])

传入数据进行训练的时候就遇到报错：

model.fit(train_image, train_label_onehot, epochs = 5)

报错如下：

... ValueError: A target array with shape (60000, 10) was passed for an output of shape (None, 128) while using as loss `categorical_crossentropy`. This loss expects targets to have the same shape as the output.

原因：
添加网络层的时候没有修改输出神经元的个数。
将标签转为独热编码之后label.shape由(60000, )变为(60000, 10)
因此对应的输出的应该是10个神经元
解决：
128 改为10