ValueError：检查目标时出错：预期activation_5的形状为（1，），但数组的形状为（100，）

我目前正在尝试使用顺序视频数据训练LSTM网络。现在仍然出现的问题是数据本身的输出形状存在错误。从视频中，我生成了100个时间步（帧）的686个样本剪辑。然后，使用另一个cnn，创建了每个图像的形状2048的嵌入。换句话说，在我的情况下，X_train的形状为（686,100,2048），Y_train的形状为（686,100）。现在，当我通过网络传递数据集时，会出现形状错误。

我的模特：

from keras.layers import activation,Input,Dense,Lambda,LSTM,flatten
from keras.models import Model
def model_builder(input_shape):
base_input = Input(shape = input_shape)
x = LSTM(units=50,name='LSTM1',return_sequences=True)(base_input)
x = flatten()(x)
x = Dense(units = 3)(x)
x = activation('softmax')(x)
classification_model = Model(base_input,x,name='classifier')
classification_model.compile(loss='sparse_categorical_crossentropy',optimizer='adam',metrics=['accuracy'])
return classification_model


我这样运行：

batch_size = 64
epochs = 20
timesteps = 100
embedding_shape=2048
classification_model = model_builder((timesteps,embedding_shape))
try:
Y_train=Y_train.reshape((686,timesteps))
X_train = np.reshape(X_train,(686,timesteps,embedding_shape))
outcome = classification_model.fit(x=X_train,y=Y_train,batch_size=batch_size,epochs=epochs,verbose=1,callbacks=None,validation_split=(6200/68600),validation_data=None,shuffle=False,class_weight=None,sample_weight=None,initial_epoch=0,steps_per_epoch=None,validation_steps=None,validation_freq=1)
except KeyboardInterrupt:
pass


导致此错误消息：

关于我可能做错了什么的任何想法？

型号摘要：

如果不具有错误丢失功能，则无需深入检查代码，就会发生99％的错误。

请使用loss ='categorical_crossentropy'而不是loss ='sparse_categorical_crossentropy'修改模型编译：

classification_model.compile(loss='categorical_crossentropy',........)


区别在于目标的编码。如果您的目标是一次性编码，请使用categorical_crossentropy。