M1 Pro环境下TensorFlow CNN建筑风格分类模型报错求助

问题根源 #

这个报错的核心是模型输出的类别数（10）和数据集实际的标签类别数（25）不匹配。logits的第二个维度对应模型最后一层设置的输出类别数，labels的第二个维度是数据集实际的建筑风格类别总数，两者必须完全一致才能进行损失计算。

排查与修正步骤 #

• 确认数据集类别数：统计testdataset目录下的子文件夹数量，这就是你要分类的建筑风格总数（这里是25）。
• 修正模型输出层：检查CNN模型最后一层的Dense层，若你写了Dense(10, activation='softmax')，把10改成实际类别数25。示例：

# 错误写法
model.add(Dense(10, activation='softmax'))
# 修正后
model.add(Dense(25, activation='softmax'))

• 匹配标签格式与损失函数：
  • 若用image_dataset_from_directory时设置了label_mode='categorical'（生成独热编码标签），损失函数用CategoricalCrossentropy：

  model.compile(optimizer='adam',
                loss=tf.keras.losses.CategoricalCrossentropy(),
                metrics=['accuracy'])
  

  • 若设置的是label_mode='int'（生成整数标签），损失函数用SparseCategoricalCrossentropy：

  model.compile(optimizer='adam',
                loss=tf.keras.losses.SparseCategoricalCrossentropy(),
                metrics=['accuracy'])
  

• 重新编译模型：修改模型结构后必须重新编译，确保新的输出层配置生效。

额外验证点 #

手动核对testdataset下的子文件夹数量，确保没有漏数或多数；同时检查数据管道的标签处理逻辑，避免标签格式和模型输出不兼容的情况。

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