使用 Keras 和 CNN 进行迁移学习：收到的标签值为 46，超出 [0, 5) 的有效范围答案

【问题标题】：Transfer learning with Keras and CNN: Received a label value of 46 which is outside the valid range of [0, 5)使用 Keras 和 CNN 进行迁移学习：收到的标签值为 46，超出 [0, 5) 的有效范围
【发布时间】：2021-04-28 00:38:28
【问题描述】：

我已经用一个包含 43 个类的数据集训练了一个序列模型；每个类名都是 0 - 43，它们是从目录名派生的。现在我想使用迁移学习在先前训练的模型之上创建一个新模型，新数据的类别为 43 - 47。现在的问题是当我添加 5（我的标签计数 43-47）作为密集层中的类数显示此错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：收到的标签值为 46，超出了 [0, 5) 的有效范围。

那么如何在 Dense 层中添加从 44 开始的类数，而不是零 (0)？

这是我的传输模型代码：

model_old = load_model('model.h5')

model_new = tf.keras.models.Sequential()

for layer in model_old.layers[:-1]:
    layer.trainable = False
    model_new.add(layer)

model_new.add(tf.keras.layers.Dense(5, activation="softmax"))
model_new.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

【问题讨论】：

标签： python tensorflow machine-learning keras transfer-learning

【解决方案1】：

请检查您是否调用了 tf.keras.utils.to_categorical(y, num_classes=None, dtype='float32') 函数，它将 Y 向量包含标签 (43-47) 转换为从 0 到整数的矩阵num_classes = 5 在你的情况下（0,1,2,3,4）。希望这会有所帮助。

【讨论】：

您好@wmsr，感谢您的贡献，但这样做的值将与第一个数据集矩阵整数重叠，这些整数是（0,1,2,3,4）类的 0 - 4。这个也将是 (0,1,2,3,4) 我不希望它是这样的，因为我有一个包含所有标签的字典，例如：1: 'Speed limit (20km/h)', 2: 'Speed limit (30km/h)', 3: 'Speed limit (50km/h)', 4: 'Speed limit (60km/h)', 5: 'Speed limit (70km/h)', 6: 'Speed limit (80km/h)', 我想要 43 的不同名称， 44、45、46、47类
嗨@sadaf，您的new_model 的5 个输出类与您的old_model 的43 个输出类完全不同。即：当您使用 new_model 执行预测时，您将获得一个 y_pred 向量，其中包含属于 (43-47) 类之一的概率。另一方面，如果您需要对 43 个第一类进行预测，您可能会使用 old_model 来执行它。所以对于 new_model 标签是 {'43':0, '44':1, ... , '46':4}，对于 old_model 标签是 {'0':0, '1':1, . .., '42':42}.
嗨@wmsr 非常感谢！解决了。 :)