TensorFlow/Keras训练报错expected dense_3 shape (1,) 实得(10,)求助

错误根因 #

代码存在损失函数与标签格式不匹配的问题：

• 编译模型时使用的sparse_categorical_crossentropy损失，要求输入标签为单值整数类别索引，对应标签shape为(样本数, 1)
• 调用flow_from_directory时未指定class_mode参数，默认使用class_mode="categorical"，会自动生成10类的one-hot编码标签，shape为(样本数, 10)，和损失要求的维度不符，触发报错。

修复方案（二选一即可） #

• 方案1（推荐）：修改数据生成器参数，输出整数标签匹配现有损失
  修改数据生成器的代码片段：

train_generator = datagen.flow_from_directory(
    TRAINING_DATA_DIR,
    shuffle=True,
    target_size=IMAGE_SHAPE,
    class_mode='sparse' # 新增该参数
)

valid_generator = datagen.flow_from_directory(
    VALID_DATA_DIR,
    shuffle=False,
    target_size=IMAGE_SHAPE,
    class_mode='sparse' # 新增该参数
)

• 方案2：修改损失函数匹配默认的one-hot标签
  修改模型编译的代码片段：

model.compile(optimizer='adam',
              loss='categorical_crossentropy', # 替换原有sparse_categorical_crossentropy
              metrics=['accuracy'])

修改完成后即可正常启动训练。

内容的提问来源于stack exchange，提问作者user16995817