使用fit方法训练AlexNet时遇数据适配错误，请求协助解决

错误原因 #

你的模型编译时使用了CategoricalCrossentropy损失函数，该函数要求标签输入为one-hot编码的二维NumPy数组，但当前代码中y = [i[1] for i in data]得到的是嵌套列表结构（外层列表包含内层整数列表），Keras的数据适配器无法处理这种格式的标签输入，因此抛出错误。

具体解决方法 #

根据你的标签实际格式，选择对应方案：

方案1：标签为one-hot编码格式（如每个标签是[0,1,0,0]这类四元素列表） #

修改train_model.py中标签处理代码，将嵌套列表转换为二维NumPy数组：

# 原代码
# y = [i[1] for i in data]
# 修改为：
y = np.array([i[1] for i in data])

转换后y会变成(样本数量, 4)形状的二维数组，完全符合CategoricalCrossentropy的输入要求。

方案2：标签为类别索引格式（如每个标签是[0]、[1]这类单元素列表） #

需要同时修改标签格式和损失函数：

1. 在train_model.py中将标签转换为一维NumPy数组：

# 原代码
# y = [i[1] for i in data]
# 修改为：
y = np.array([i[1][0] for i in data])  # 提取子列表中的整数，生成一维数组

2. 在Model.py中替换损失函数为SparseCategoricalCrossentropy（专门适配整数类型的类别索引）：

# 原代码
# loss=tf.keras.losses.CategoricalCrossentropy(),
# 修改为：
loss=tf.keras.losses.SparseCategoricalCrossentropy(),

验证步骤（可选） #

修改前可以先打印标签的结构，确认格式：

print(y[0])  # 查看单个标签的形式
print(np.array(y).shape)  # 查看标签整体的形状

内容的提问来源于stack exchange，提问作者Saswat Behera