猫狗二分类CNN模型维度不匹配问题及参数选择咨询

一、维度不匹配问题修复 #

你遇到的ValueError: logits and labels must have the same shape核心原因是模型输出与标签维度不匹配：

• 模型最后一层Dense(2, activation='softmax')输出形状为(None, 2)，对应one-hot编码格式
• 而train_data_gen设置class_mode='binary'时，生成的标签是(None, 1)的二值标签

不需要将数据转为numpy数组或张量，直接修改数据生成器配置即可解决：

1. 修改生成器的class_mode为'categorical'，让其输出one-hot编码的标签：

train_data_gen = train_image_generator.flow_from_directory(
    batch_size=batch_size,
    directory=train_dir,
    target_size=(IMG_HEIGHT, IMG_WIDTH),
    class_mode='categorical'  # 关键修改
)
# 验证集生成器同步修改
val_data_gen = val_image_generator.flow_from_directory(
    batch_size=batch_size,
    directory=val_dir,
    target_size=(IMG_HEIGHT, IMG_WIDTH),
    class_mode='categorical'
)

2. 同步调整模型编译的损失函数为'categorical_crossentropy'——binary_crossentropy适配单输出sigmoid场景，categorical_crossentropy才是多输出softmax的对应损失：

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

完成以上修改后，模型输出与标签维度完全匹配，即可正常训练。

二、CNN参数选择依据 #

你设置的128、64（卷积滤波器数量）和32（全连接层神经元数量）是基于CNN设计经验与任务特性的常见选择：

• 卷积层滤波器数量：
  • 第一层Conv2D用128个滤波器：浅层卷积负责捕捉边缘、纹理、颜色等低阶基础特征，需要更多滤波器覆盖多样的基础特征模式；且此时输入图像未被压缩，有足够空间承载这些滤波器的计算。
  • 第二层Conv2D用64个滤波器：经过MaxPooling降维后，图像空间信息被压缩，需要捕捉的是更复杂的组合特征（如猫狗的面部轮廓），减少滤波器数量可降低计算量，同时避免过拟合——过多滤波器易学习到训练数据中的噪声。
  • 整体遵循"从多到少"的递减规律，是CNN通用设计经验，可根据数据集大小调整：大数据集可适当增加滤波器数量，小数据集则减少以避免过拟合。
• 全连接层32个神经元：
  • 全连接层负责整合卷积层提取的特征，32是适中的经验值：既足够容纳卷积层传递的特征信息，又不会因神经元过多导致模型过于复杂，引发过拟合。
  • 可根据模型整体复杂度调整：若前面卷积层提取的特征维度较高，可适当增加神经元数量；反之则减少。

内容的提问来源于stack exchange，提问作者pew