CNN猫狗图像分类器fit函数首轮epoch后报错求助

核心问题定位与修复步骤： #

1. 修正validation_data传参错误
   你的fit函数中validation_data=(val_data_gen, classes)的写法错误。ImageDataGenerator生成的迭代器本身已包含验证数据的特征与标签，无需额外传入classes参数。修正后的代码：

   history = model.fit(
       train_data_gen,
       validation_data=val_data_gen,
       epochs=epochs,
       batch_size=batch_size,
       validation_steps=len(val_data_gen)
   )
   

2. 匹配数据生成器与损失函数的标签格式
   你使用的SparseCategoricalCrossentropy(from_logits=True)要求标签为整数索引格式（如0对应cats、1对应dogs），因此在调用flow_from_directory创建训练/验证生成器时，必须将class_mode设为'sparse'（默认'categorical'会生成one-hot编码标签，与当前损失函数不兼容，直接导致图执行错误）。示例配置：

   val_data_gen = ImageDataGenerator(...).flow_from_directory(
       val_dir,
       target_size=(IMG_HEIGHT, IMG_WIDTH),
       batch_size=batch_size,
       class_mode='sparse',
       classes=["cats", "dogs"]
   )
   

   训练生成器需同步设置class_mode='sparse'。

3. 确认模型结构与损失函数的兼容性
   模型最后一层Dense(2)输出两个类别的logits，配合SparseCategoricalCrossentropy(from_logits=True)是完全正确的，无需修改为Dense(1)（该配置适用于BinaryCrossentropy二分类场景）。

4. 解释此前classes=['.']的异常情况
   当classes=['.']时，flow_from_directory会将整个验证文件夹视为单一类别，生成的标签全为0。此时模型仅需预测一类，因此不会报错，但实际未使用正确的猫狗分类验证数据，75%的准确率不具备参考价值。

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