Python实现CNN报错：logits和labels形状不匹配((4,2)vs(4,1))如何解决

错误根因 #

错误核心为输出层配置与标签编码格式不匹配：
当前输出层采用2个神经元+softmax激活的二分类多分类处理模式，要求标签为one-hot编码，形状为(样本数, 2)；但使用的标签是形状为(样本数,1)的0/1整数标签，因此触发形状不匹配报错。此前调整标签为(-1,1)的操作未解决编码不匹配的核心问题。

可行解决方案 #

方案1：保留现有输出层配置，调整标签编码 #

将整数标签转换为one-hot编码即可适配现有输出层，代码如下：

from keras.utils import to_categorical
# 转为形状为(样本数,2)的one-hot标签
train_labels = to_categorical(train_labels, num_classes=2)
val_labels = to_categorical(val_labels, num_classes=2)

编译模型时损失函数使用categorical_crossentropy。

方案2：修改输出层配置，适配现有整数标签 #

二分类任务可以直接使用1个神经元+sigmoid激活的输出层，直接适配形状为(样本数,1)的整数标签，修改输出层代码如下：

# 替换原有fc2层代码
fc2 = Dense(1, activation='sigmoid')(fc1)

编译模型时损失函数使用binary_crossentropy，此前调整为(-1,1)格式的标签可直接使用。

注意：两种方案的损失函数必须和输出层配置对应，混用会导致训练异常或新的报错。

内容的提问来源于stack exchange，提问作者James Pack