在Google Colab训练CNN模型时遇Data cardinality歧义错误求助

错误原因 #

这个错误直接指向输入特征与标签的样本数量不匹配：你的训练/测试输入x有2954个样本，但对应的标签y样本数为0，导致模型无法对齐数据进行训练。问题根源是get_cnn_data函数没有正确从CSV文件中提取标签数据，返回的y_train或y_test是空数组。

排查与修复步骤 #

• 检查get_cnn_data函数实现
  确认函数是否正确分离了特征列和标签列：比如是否指定了正确的标签列索引/列名，有没有处理CSV文件中可能存在的空行、缺失值，或者是否误将所有列都作为特征返回。

• 验证数据读取结果
  在调用get_cnn_data后立即打印数据形状，确认样本数是否匹配：

  x_train, y_train = get_cnn_data('training.csv')
  x_test, y_test = get_cnn_data('testing.csv')
  
  # 打印数据形状验证
  print(f"训练集：x样本数={x_train.shape[0]}, y样本数={y_train.shape[0]}")
  print(f"测试集：x样本数={x_test.shape[0]}, y样本数={y_test.shape[0]}")
  

  如果输出中y的样本数为0，说明函数读取标签失败，需要针对性修复。

• 检查CSV文件有效性
  确认Colab中training.csv和testing.csv已正确上传，文件路径无误；打开文件检查是否包含标签列，标签列是否有有效数据（无全空、无格式错误）。

• 模型配置优化（可选）
  你的模型输出层是Dense(2, softmax)，搭配binary_crossentropy存在配置矛盾：

  • 若为二分类任务，使用Dense(1, sigmoid)配合binary_crossentropy更合理；
  • 若为多分类（2类），应使用categorical_crossentropy，同时确保标签y是one-hot编码格式。

示例修复后的get_cnn_data函数 #

假设CSV文件最后一列为标签，前面列为特征，可参考以下实现：

import pandas as pd
import numpy as np

def get_cnn_data(file_path):
    # 读取CSV文件
    df = pd.read_csv(file_path)
    # 分离特征与标签
    x = df.iloc[:, :-1].values  # 取所有行，除最后一列外的所有列作为特征
    y = df.iloc[:, -1].values   # 取最后一列作为标签
    
    # 调整特征形状以匹配Conv2D的输入要求(样本数, 1, 1, 128)
    x = x.reshape(-1, 1, 1, 128)
    
    # 若使用Dense(2, softmax)，将标签转为one-hot编码
    y = pd.get_dummies(y).values
    
    return x, y

内容的提问来源于stack exchange，提问作者nt7