3分类口罩检测CNN模型训练报`y` argument is not supported错误如何解决

AI 小北

2026-9-24

问题根因

你触发报错的直接原因是model.fit()的参数传递错误，除此之外还有多处和三分类任务不匹配的配置错误，需要一并修改。

修复步骤

第一步：修正fit方法的参数传递
你当前的写法model.fit(train_generator, EPOCHS)中，第二个位置参数会被Keras识别为标签参数y，但train_generator作为Sequence类型的生成器已经自带了样本和对应标签，不需要单独传y，需要明确指定epochs的参数名，还可以补充验证集参数同步看训练过程中的验证指标：
```
model.fit(train_generator, epochs=EPOCHS, validation_data=test_generator)
```

第二步：修正数据生成器的分类模式
你当前配置的class_mode="binary"是二分类专属配置，三分类需要修改为categorical，同步修改两个生成器的对应参数：

train_generator = datagen.flow_from_directory(
    DATASET_DIR,
    target_size = DIM_IMG,
    batch_size = BATCH_SIZE,
    class_mode = "categorical",
    subset = "training"
)

test_generator = datagen.flow_from_directory(
    DATASET_DIR,
    target_size = DIM_IMG,
    batch_size = BATCH_SIZE,
    class_mode = "categorical",
    subset = "validation"
)

第三步：修正输出层配置
你当前的输出层只有1个神经元，不符合三分类的输出要求，且softmax用于1个神经元时无实际分类意义，需要改为3个神经元：
```
model.add(Dense(3,activation='softmax'))
```
第四步：修正损失函数配置
你当前用的binary_crossentropy是二分类损失函数，和categorical模式匹配的三分类损失需要改为分类交叉熵：
```
model.compile(optimizer = "adam", loss = "categorical_crossentropy", metrics = ["accuracy"])
```