ISIC皮肤癌数据集训练CNN时出现(None,1)与(None,9)形状不兼容错误

错误原因 #

你当前的标签格式和使用的损失函数要求不匹配：

• 你使用的categorical_crossentropy损失要求标签为One-Hot编码格式，形状需要和模型输出一致为(None, 9)
• 从你给出的数据集信息可以看到，你的标签是整数索引格式，形状为(None,)（扩展后为(None,1)），因此触发形状不兼容错误

解决方案 #

方案1（推荐，修改量最小）：更换损失函数 #

直接把模型编译时的损失函数替换为sparse_categorical_crossentropy，该损失函数原生支持整数格式的多分类标签，无需修改数据集：

model.compile(optimizer='sgd',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

方案2：对标签做One-Hot编码 #

如果你需要保留categorical_crossentropy损失，可以在数据集预处理阶段将标签转换为独热编码：

# 对训练集和验证集做统一处理
def one_hot_encode(x, y):
    return x, tf.one_hot(y, depth=num_classes)

train_ds = train_ds.map(one_hot_encode)
val_ds = val_ds.map(one_hot_encode)

额外优化建议：你当前的卷积层后没有添加池化层，会导致特征图尺寸过大，Flatten后全连接层参数量过高，容易过拟合、训练速度慢，建议在每个卷积+激活层后添加layers.MaxPooling2D((2,2))层压缩特征尺寸。

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