tensorflow中image_dataset_from_directory返回标签为矩阵而非向量如何解决

问题根因 #

标签维度(batch_size, 3)和图像通道数无关联，是参数设置和数据集本身的特性共同导致的：

• 你调用image_dataset_from_directory时设置了label_mode = 'categorical'，该参数会自动把标签转换为*独热编码（one-hot encoding）*格式，编码的维度等于数据集的总类别数
• 你使用的rockpaperscissors数据集刚好包含石头、剪刀、布3个分类，所以独热编码的维度固定为3，每个样本的标签会以[1,0,0]/[0,1,0]/[0,0,1]的格式对应三个不同分类

解决方法 #

可根据你的模型设计二选一：

方案1：直接使用现有标签格式 #

如果你的模型输出层采用softmax激活，损失函数使用CategoricalCrossentropy，现有标签格式可以直接用于训练，不需要修改任何数据加载代码，示例编译代码如下：

model.compile(
    optimizer='adam',
    loss=tfk.losses.CategoricalCrossentropy(),
    metrics=['accuracy']
)

方案2：切换为整数标签格式 #

如果你需要单维度的整数标签（比如用0/1/2直接指代三个分类），只需要把两个数据集加载代码中的label_mode = 'categorical'修改为label_mode = 'int'即可。修改后输出的标签维度会变为(batch_size,)，对应损失函数需要调整为SparseCategoricalCrossentropy：

model.compile(
    optimizer='adam',
    loss=tfk.losses.SparseCategoricalCrossentropy(),
    metrics=['accuracy']
)

内容的提问来源于stack exchange，提问作者Da Ra