搭建猫狗二分类CNN时logits与标签形状不匹配((None,4)vs(None,1))报错求解
猫狗二分类CNN形状不匹配问题定位与修正
核心报错根源
触发ValueError: logits and labels must have the same shape ((None, 4) vs (None, 1))的原因完全不是TensorFlow和Keras版本不兼容,此前检索到的“库版本冲突”判断和本次报错无关,所有问题都来自代码参数设置错误,具体逻辑对应关系:
- 你通过
flow_from_directory配置了class_mode='binary',该配置下生成的训练标签形状为(batch_size, 1),每个样本对应1个0/1的二分类标签 - 你在网络最后添加的输出层为
Dense(units=4, activation='sigmoid'),会让网络每次输出4个值,整体输出形状为(batch_size, 4)
两个形状的维度数不一致,在模型计算损失的时候就会直接触发报错。
具体修正方案
- 修正触发形状不匹配的核心输出层
二分类任务对应单输出神经元,把输出层的units参数从4改成1,和二分类标签的形状完全对齐,修正代码为:cnn.add(tf.keras.layers.Dense(units=1, activation='sigmoid')) - 修正后续预测环节会触发的连带bug
就算解决了形状不匹配的问题,你现有代码的预测部分还存在多处会导致运行失败的问题,需要同步修正:- 补全缺失的导入:你代码中用到
image.load_img、image.img_to_array,但没有导入对应的工具模块,需要新增导入语句from keras.preprocessing import image - 修正函数名拼写错误:代码中写的
cnn.predic(test_image)缺少字母k,Keras模型的预测方法为predict,修正后为cnn.predict(test_image) - 修正load_img的参数名与路径错误:原代码里写的
test_size=(64,64)是参数名错误,正确的参数为target_size=(64,64);同时路径里缺失斜杠,需要把single_predictioncat_or_dog_1.jpg改为single_prediction/cat_or_dog_1.jpg,避免文件找不到 - 替换转义错误的路径符号:原代码中目录路径里的
"是HTML转义的双引号,实际编写代码时要替换为正常的英文双引号,避免路径识别失败
- 补全缺失的导入:你代码中用到
修正后的核心可运行片段
# 输出层修正 cnn.add(tf.keras.layers.Dense(units=1, activation='sigmoid')) # 补全依赖导入 from keras.preprocessing import image import numpy as np test_image = image.load_img('dataset/single_prediction/cat_or_dog_1.jpg', target_size=(64, 64)) test_image = image.img_to_array(test_image) test_image = np.expand_dims(test_image, axis=0) result = cnn.predict(test_image) print(training_set.class_indices)
内容的提问来源于stack exchange,提问作者Andrei
相关产品推荐
相关产品推荐

