InvalidArgumentError：无法挤压 dim[1]，预期维度为 1，得到 16答案

【问题标题】：InvalidArgumentError: Can not squeeze dim[1], expected a dimension of 1, got 16InvalidArgumentError：无法挤压 dim[1]，预期维度为 1，得到 16
【发布时间】：2021-07-03 07:32:01
【问题描述】：

我正在尝试使用 tensoflow 制作图像分类器 CNN。我正在尝试使用ImageDataGenerator 加载数据集。像这样：

from tensorflow.keras.preprocessing.image import ImageDataGenerator
image_datagen = ImageDataGenerator(rescale=1/255)

IMAGE_DIMS = (200,200)
train_generator = image_datagen.flow_from_directory(
    TRAIN_DIR,
    target_size=IMAGE_DIMS,
    batch_size=80,
    class_mode="categorical",
    shuffle=True
)

这是我的网络的样子：

model = keras.models.Sequential([
    keras.layers.Conv2D(16,(3,3), input_shape=(200,200,1), activation='relu'),
    keras.layers.MaxPooling2D(2, 2),
    keras.layers.Conv2D(32,(3,3), activation='relu'),
    keras.layers.MaxPooling2D(2, 2),
    keras.layers.Conv2D(64,(3,3), activation='relu'),
    keras.layers.MaxPooling2D(2, 2),
    keras.layers.Flatten(),
    keras.layers.Dense(units=128, activation="relu"),
    keras.layers.Dense(units=64, activation="relu"),
    keras.layers.Dense(units=16, activation="softmax")
])

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

当我尝试通过以下方式将模型拟合到数据集时：

model.fit(
    train_generator,
    steps_per_epoch=4,
    epochs=2
)

我收到此错误：

InvalidArgumentError: Can not squeeze dim[1], expected a dimension of 1, got 16

我对 TensorFlow 比较陌生，我不知道这里出了什么问题。我尝试过使用不同的数据集、不同的优化器、不同的层数、不同的损失函数，但没有任何效果。

出了什么问题？我做错了什么？

【问题讨论】：

你的数据集中有多少类？请注意，您不能同时使用class_mode="categorical" 和loss='sparse_categorical_crossentropy'。
@Lescurel 16 节课
我不能确定，但是当您说I have tried it with different datasets, different optimizers, different numbers of layers, different loss functions, nothing worked 时，您是否始终收到相同的错误消息？另外，当您提出与 python 相关的问题时，请添加完整的 python Traceback，这有助于了解您的代码在哪里失败。
我没有得到同样的错误，但也没有回溯

标签： python tensorflow keras computer-vision tensorflow2.0

【解决方案1】：

由于您在具有 16 个节点的输出层中使用了softmax 激活，我假设您有 16 个互斥类。您的 y 数据应该只是一个包含 16 个 0 和 1 的列表，而不是 0 到 15 的整数 - 这将是 sparse_categorical_crossentropy 损失函数所期望的。

尝试将损失函数设置为 categorical_crossentropy 以适应，或将 ImageDataGenerator 的 class_mode 也设置为“稀疏”！

【讨论】：