将形状为(6400，1)的目标数组传递给形状为(None，2)的输出，同时使用as loss `binary_crossentropy`

将形状为(6400, 1)的目标数组传递给形状为(None, 2)的输出，同时使用binary_crossentropy作为损失函数。

首先，我们需要了解一些背景知识。在机器学习中，我们经常使用神经网络来解决分类问题。神经网络的输出层通常使用softmax激活函数来输出概率分布，而损失函数则根据问题的性质选择不同的类型。

在这个问题中，我们使用了形状为(6400, 1)的目标数组，这意味着我们有6400个样本，并且每个样本有一个目标值。而输出层的形状为(None, 2)，其中None表示可以是任意数量的样本，2表示输出的维度为2。这意味着我们的模型将输出一个2维的向量，其中每个维度表示一个类别的概率。

接下来，我们需要选择适当的损失函数。在二分类问题中，常用的损失函数是binary_crossentropy，它适用于输出层有两个节点的情况。该损失函数可以度量模型输出与目标值之间的差异，并且在训练过程中通过反向传播来调整模型的权重，以使损失最小化。

推荐的腾讯云相关产品和产品介绍链接地址如下：

• 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
• 腾讯云深度学习平台（https://cloud.tencent.com/product/tensorflow）
• 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）

请注意，以上链接仅供参考，具体的产品选择应根据实际需求和情况进行评估和决策。