ValueError: Shapes (None, 1) and (None, 43) are incompatible

ValueError: Shapes (None, 1) and (None, 43) are incompatible

导读
本文意在提供解决此类方法的一个方法，仅参考，并非完全适用于你们所处困境，希望这篇能帮到你。

代码如下

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
epochs = 15
# batch_size=64/32 
history = model.fit(X_train, y_train, batch_size=32, epochs=epochs, validation_data=(X_test, y_test))

本人报错如下

分析得出：问题出在 损失函数的选择，因为我的label编码是数字编码，若采用categorical_crossentropy，则需要在image_dataset_from_directory中设置label_mode=‘categorical’。默认情况下，image_dataset_from_directory方法假定标签编码为整数(label_mode=‘int’)。
通常CategoricalCrossentropy是适用于目标是 one-hot 编码，而SparseCategoricalCrossentropy才是适用于数字编码目标。

我采用的解决方法为重新选择损失函数 SparseCategoricalCrossentropy

1.sparse_categorical_crossentropy
label数组中的数据全为0-9，表示十种分类。

2.categorical_crossentropy
当labe使用one-hot编码时，使用categorical_crossentropy。例如 伦敦 [1, 0, 0, 0, 0, 0]，巴黎[0, 1, 0, 0, 0, 0]，纽约[0, 0, 1, 0, 0, 0]…