TensorFlow二分类CNN设2个输出神经元报shape不匹配错误如何解决

错误原因 #

你的标签是0和1组成的一维数组，形状为(样本数,)或(样本数, 1)，而输出层设置2个神经元时，模型输出形状为(样本数, 2)，二者维度不匹配，因此触发报错。

解决方案 #

方案1：保留2个输出神经元，用softmax实现二分类 #

需要修改3处代码：

• 对标签做独热编码转换，在__main__块中加载完标签后添加如下代码：

real_train_classes = tf.one_hot(real_train_classes, depth=2).numpy()
real_test_classes = tf.one_hot(real_test_classes, depth=2).numpy()

• 修改输出层激活函数为softmax：

model.add(keras.layers.Dense(2, activation='softmax'))

• 修改损失函数为分类交叉熵：

model.compile(optimizer=optimiser,
             loss="categorical_crossentropy",
             metrics=["accuracy"])

方案2：使用1个输出神经元实现二分类（更轻量化，推荐） #

这个方案不需要修改标签格式，仅需修改2处代码即可正常运行：

• 输出层设置1个神经元，激活函数用sigmoid：

model.add(keras.layers.Dense(1, activation='sigmoid'))

• 损失函数保持原来的binary_crossentropy即可。

额外注意事项 #

你代码中plot_history函数存在两处笔误：axs[0].set.set_title多了一个.set，setlegend应该为legend，不影响当前训练运行，后续绘制训练曲线时修正即可。

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