Keras报错：意外关键字参数'class_mode'，句子分类模型复现求助

看起来你在复现句子分类模型时踩了版本兼容的坑——这个错误几乎都是因为新版本Keras（或TensorFlow整合的Keras）移除了class_mode参数，换成了更清晰的label_mode，或者某些函数根本不再支持这个参数了。下面给你具体的排查和解决步骤：

一、先确认你的Keras/TensorFlow版本 #

首先跑两行代码看看你用的是哪个版本：

import tensorflow as tf
print(tf.__version__)  # 如果你用的是TensorFlow自带的Keras
# 或者
import keras
print(keras.__version__)  # 如果你单独安装了Keras

如果版本是TensorFlow 2.15+或者Keras 3.x，那class_mode确实已经被弃用了。

二、替换参数名（最常见的解决方式） #

如果你是在数据加载类的函数里用了class_mode（比如text_dataset_from_directory、image_dataset_from_directory这类），直接把class_mode改成label_mode就行。举个例子：

原来的错误代码 #

train_ds = tf.keras.preprocessing.text_dataset_from_directory(
    "./train_data",
    class_mode="categorical"
)

修改后 #

train_ds = tf.keras.preprocessing.text_dataset_from_directory(
    "./train_data",
    label_mode="categorical"  # 把class_mode换成label_mode
)

label_mode的可选值和原来class_mode基本一致："categorical"（多分类one-hot标签）、"binary"（二分类）、"int"（整数标签）。

三、如果是在模型训练时误用了class_mode #

要是你在model.fit()或者model.compile()里加了class_mode，那这个参数本来就不属于这些函数，直接删掉就行。分类任务的类型是通过损失函数和标签格式来控制的：

• 二分类任务：损失用binary_crossentropy，标签是0/1的整数
• 多分类任务：损失用categorical_crossentropy，标签要转成one-hot向量（用tf.keras.utils.to_categorical()）

另外，看你提供的代码片段还不完整，顺便提一句：别忘了提取训练和测试的标签，并且转换成Keras能识别的格式，比如：

# 补全数据处理部分
train_labels = [label for (txt, label) in data[0:train_size]]
test_labels = [label for (txt, label) in data[train_size:]]

# 如果是多分类，把标签转成one-hot
import tensorflow as tf
num_classes = len(set(train_labels))
train_labels = tf.keras.utils.to_categorical(train_labels, num_classes=num_classes)
test_labels = tf.keras.utils.to_categorical(test_labels, num_classes=num_classes)

内容的提问来源于stack exchange，提问作者user2505650