TensorFlow单输出二分类训练报InvalidArgumentError如何修复

报错是损失函数和网络输出结构不匹配导致的：

• 你选用的tf.keras.losses.SparseCategoricalCrossentropy是多分类任务专用损失，适配「输出层节点数=类别数、softmax激活」的网络结构，它要求标签的合法取值范围是[0, 类别数)。你当前输出层只有1个节点，该损失会默认类别总数为1，因此标签只能取0，遇到标签值1时就会触发「标签值1不在[0,1)有效范围」的报错，和输出层是否使用sigmoid激活没有直接关系。

将损失函数替换为二分类任务专用的二元交叉熵即可，修改损失定义的代码行：

# 原错误代码：loss = tf.keras.losses.SparseCategoricalCrossentropy()
# 替换为
loss = tf.keras.losses.BinaryCrossentropy()

注意：因为你已经在输出层使用了sigmoid激活，输出的是0~1区间的概率值，BinaryCrossentropy默认参数from_logits=False刚好适配该场景，不需要额外调整参数。

import tensorflow as tf
example_size = 100
X = tf.random.normal((example_size,2))
y = tf.constant([[int(x)] for x in (X[:,0] > X[:,1])])
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten(input_shape = (2,)))
model.add(tf.keras.layers.Dense(units = 1 , activation = "sigmoid"))
loss = tf.keras.losses.BinaryCrossentropy()
optim = tf.keras.optimizers.Adam(learning_rate = 0.01)
metrics = ["accuracy"]
model.compile(loss = loss, optimizer = optim, metrics = metrics)
model.fit(X, y, batch_size = example_size, epochs = 100, shuffle = True, verbose =1)

Keras中二分类任务有两套合法配置，禁止交叉混用，否则会出现训练不收敛、报错等问题：

• 单输出节点方案：输出层1个节点 + sigmoid激活 + BinaryCrossentropy损失，输出值为样本属于正类的概率，标签形状为(样本数, 1)，取值为0/1
• 双输出节点方案：输出层2个节点 + softmax激活 + SparseCategoricalCrossentropy（标签为类别索引0/1）或CategoricalCrossentropy（标签为one-hot编码），输出两个类别的概率和为1

内容的提问来源于stack exchange，提问作者lior1zh2000