使用ImageDataGenerator的class_mode='sparse'触发InvalidArgumentError的排查

问题原因 #

当设置class_mode='sparse'时，ImageDataGenerator输出的标签是一维整数张量（形状为(batch_size,)），而你在model.compile中使用的'precision'和'recall'是Keras的默认指标，它们默认期望输入的标签是独热编码的二维张量（形状为(batch_size, num_classes)），仅和class_mode='categorical'的输出格式匹配。

SparseCategoricalCrossentropy损失可以兼容稀疏标签，但默认的精度、召回率指标无法自动适配这种格式，因此计算指标时会触发形状不兼容的错误，也就是你看到的[1,256] vs. [1,64]（本质是标签形状与指标期望的输入形状不匹配）。

解决方案 #

直接使用Keras提供的稀疏标签专用指标替换默认的字符串指标即可，具体修改model.compile中的metrics参数：

model.compile(
    optimizer = tf.keras.optimizers.Adam(learning_rate= 1e-4),
    loss = tf.keras.losses.SparseCategoricalCrossentropy(),
    metrics = [
        'accuracy',
        tf.keras.metrics.SparsePrecision(name='precision'),
        tf.keras.metrics.SparseRecall(name='recall')
    ]
)

原理说明 #

SparsePrecision和SparseRecall是专门针对一维整数稀疏标签设计的指标，它们的输入格式与class_mode='sparse'生成的标签完全匹配，同时也能和SparseCategoricalCrossentropy损失协同工作，不会再出现形状不兼容的问题。

内容的提问来源于stack exchange，提问作者Darshil Pungalia