TensorFlow报错：无法将BinaryCrossentropy元素转为Tensor的解决咨询

核心问题 #

你遇到的报错并非数据类型问题，而是损失函数的传递方式不符合TensorFlow 2.13.0的要求。

解决方案 #

修改compile()中的loss参数写法，二选一即可：

方式1：实例化损失类（加括号）

# 1. 创建模型
model_1 = tf.keras.Sequential([
    tf.keras.layers.Dense(1, activation='sigmoid')  # 二分类任务建议添加sigmoid激活
])

# 2. 编译模型 - 实例化BinaryCrossentropy
model_1.compile(loss=tf.keras.losses.BinaryCrossentropy(),
                optimizer=tf.keras.optimizers.SGD(),
                metrics=['accuracy'])

# 3. 训练模型
model_1.fit(X, y, epochs=5)

方式2：使用字符串别名（更简洁）

# 1. 创建模型
model_1 = tf.keras.Sequential([
    tf.keras.layers.Dense(1, activation='sigmoid')  # 二分类任务建议添加sigmoid激活
])

# 2. 编译模型 - 使用字符串形式的损失函数
model_1.compile(loss='binary_crossentropy',
                optimizer=tf.keras.optimizers.SGD(),
                metrics=['accuracy'])

# 3. 训练模型
model_1.fit(X, y, epochs=5)

原因说明 #

• TensorFlow版本更新后，2.13.0严格要求：如果传入损失类（如BinaryCrossentropy）作为loss参数，必须是该类的实例对象（即加括号创建）；而2.3.0版本可能允许直接传入类本身。
• 额外提示：二分类任务中，输出层必须加sigmoid激活函数，否则模型输出范围不符合二元交叉熵的预期，会导致训练无效或精度异常。

内容的提问来源于stack exchange，提问作者user1479670