Keras SparseCategoricalCrossentropy标签展平报错，多分类任务如何计算损失？

你的错误根源是SparseCategoricalCrossentropy仅支持稀疏类别索引标签，但你传入的真实标签是one-hot编码格式，两者形状不匹配导致报错。以下是两种直接解决方式：

方案1：将one-hot标签转换为类别索引 #

用tf.argmax把二维one-hot向量转成一维类别索引（比如[2, 0]），匹配SparseCategoricalCrossentropy的输入要求：

import tensorflow as tf
# 真实one-hot标签转成类别索引
a = tf.constant([[0.,0.,1.],[1.,0.,0.]])
a_sparse = tf.argmax(a, axis=1)  # 输出: [2, 0]
# 预测输出
b = tf.constant([[0.,0.,1.],[0.,1.,0.]])
loss_object = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
loss = loss_object(a_sparse, b)
print(loss.numpy())

方案2：改用CategoricalCrossentropy损失函数 #

如果想保留one-hot格式的真实标签，直接使用对应损失函数即可：

import tensorflow as tf
a = tf.constant([[0.,0.,1.],[1.,0.,0.]])
b = tf.constant([[0.,0.,1.],[0.,1.,0.]])
# 匹配one-hot标签的损失函数
loss_object = tf.keras.losses.CategoricalCrossentropy(from_logits=True)
loss = loss_object(a, b)
print(loss.numpy())

补充说明 #

• 两个损失函数的核心差异：SparseCategoricalCrossentropy接受一维类别索引，CategoricalCrossentropy接受二维one-hot编码。
• 参数from_logits=True表示预测输出是未经softmax激活的原始logits值，损失函数内部会自动完成softmax计算；若预测输出已做softmax，需将该参数设为False。

内容的提问来源于stack exchange，提问作者Meep