Keras多分类模型匹配错误求助：38类图像识别模型报错

嗨，我一眼就看出你遇到的问题啦——这是多分类任务里非常常见的新手小失误😉

问题根源 #

你的模型最后一层用了Dense(38, activation='softmax')，这是38类多分类的正确配置，输出形状是(None, 38)（对应每个样本的38类概率分布）。但你的数据生成器设置了class_mode='binary'，这个参数是给二分类任务用的，它会生成形状为(batch_size, 1)的单值标签，和模型输出的形状完全不匹配，这就是报错的核心原因！

两种解决方法 #

根据你的需求，任选一种即可：

方法1：使用One-Hot编码标签（配合categorical_crossentropy） #

把生成器的class_mode改成'categorical'，这样生成的标签会是One-Hot编码的形状(batch_size, 38)，和模型输出完美匹配：

# 修改生成器的class_mode参数
train_generator = train_datagen.flow_from_directory( 
    'data/train', 
    target_size=(168, 192), 
    batch_size=38, 
    class_mode='categorical'  # 这里修改
)
validation_generator = test_datagen.flow_from_directory( 
    'data/validation', 
    target_size=(168, 192), 
    batch_size=38, 
    class_mode='categorical'  # 这里修改
)

你的损失函数categorical_crossentropy不需要改动，因为它就是对应One-Hot标签的多分类损失计算方式。

方法2：使用整数标签（配合sparse_categorical_crossentropy） #

如果不想用One-Hot编码（可以节省内存），可以把损失函数改成sparse_categorical_crossentropy，同时生成器的class_mode改成'sparse'（生成整数形式的标签，形状(batch_size,))：

# 修改损失函数
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=adam(0.001),
    metrics=['accuracy']
)

# 修改生成器的class_mode参数
train_generator = train_datagen.flow_from_directory( 
    'data/train', 
    target_size=(168, 192), 
    batch_size=38, 
    class_mode='sparse'  # 这里修改
)
validation_generator = test_datagen.flow_from_directory( 
    'data/validation', 
    target_size=(168, 192), 
    batch_size=38, 
    class_mode='sparse'  # 这里修改
)

额外小优化 #

你的代码里重复定义了train_datagen和test_datagen各两次，可以删掉重复的部分，让代码更整洁：

# 只定义一次即可
train_datagen = ImageDataGenerator( rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)

内容的提问来源于stack exchange，提问作者Wiciaq123