Keras交通停止标志检测模型训练报No gradients provided错误

• 核心原因：数据集构造错误，未提供训练对应的标签数据。你当前仅导入了图像输入，没有给每个样本标注对应的真实标签（比如包含停止标志为1，不包含为0），模型计算损失时无法获取标签来反向传播计算梯度，直接触发该报错。
• 额外问题：你当前的数据集里只有停止标志的正样本，没有不包含停止标志的负样本，就算加上标签也没法完成二分类任务，模型无法学习区分两类样本。
• 次要问题：二分类sigmoid输出使用MSE损失不是最优选择，容易出现梯度饱和的问题，但这不是本次报错的诱因。

• 第一步：调整数据集结构。新增负样本（不包含停止标志的交通场景图像），将train和valid文件夹分别修改为二级目录结构：train下新建stop（放停止标志正样本）、no_stop（放负样本）两个文件夹，valid目录同理创建对应的两个分类文件夹。
• 第二步：使用Keras内置接口自动加载带标签的数据集，代码示例：

ds_train = keras.utils.image_dataset_from_directory(
    './train',
    image_size=(128, 128),
    batch_size=32,
    label_mode='binary'
)
ds_valid = keras.utils.image_dataset_from_directory(
    './valid',
    image_size=(128, 128),
    batch_size=32,
    label_mode='binary'
)

• 第三步：优化损失函数配置，替换为更适配二分类任务的二元交叉熵，提升训练收敛效果：

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

• 第四步：重新执行训练逻辑即可正常运行。

内容的提问来源于stack exchange，提问作者Kamil