Tensorflow训练脑肿瘤MRI检测模型报No gradients provided错误

错误原因 #

• 核心触发原因：你在model.compile时将loss参数设置为了None，模型没有损失函数用来计算预测值和真实标签的误差，自然无法生成梯度更新网络参数，直接触发了当前报错。
• 潜在不兼容问题：你的模型最后一层dense_1输出维度是2，属于多分类输出逻辑，但你给flow_from_directory设置的class_mode='binary'会生成单值的0/1标签，和输出维度不匹配，即使补上损失函数后续也会报错。

解决方法 #

根据你的需求二选一即可：

方案1：适配二分类设置 #

如果要沿用class_mode='binary'的二分类配置，做两处修改：

1. 调整最后一层全连接层的输出维度和激活函数：

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

2. 编译时指定对应二分类损失函数：

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

方案2：适配多分类输出 #

如果要保持最后一层输出维度为2，做两处修改：

1. 调整flow_from_directory的class_mode参数：

train_generator = datagen.flow_from_directory(
    TRAIN_DIR,
    target_size=(150, 150),
    batch_size=32,
    class_mode='sparse',
    subset='training'
)
# val_generator做相同的class_mode修改

2. 给最后一层加softmax激活，同时指定对应多分类损失函数：

# 最后一层修改
model.add(tf.keras.layers.Dense(2, activation='softmax'))
# 编译参数修改
model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'],
)

内容的提问来源于stack exchange，提问作者listout