Deep learning 我们在哪里将标签传递给CNN图像分类器？

我有一个简单而基本的问题。当我们训练一个图像分类器模型（即CNN）时，我们到底在哪里告诉模型这是猫还是狗？在反向传播之前，模型知道它是狗还是猫，因为它正在相应地安排新的权重。

---

我们的数据已贴上标签，但我们没有读取或将此信息传递给网络。我正在使用更复杂的图像字幕。我感谢您的任何澄清，提前谢谢您

它用于损耗（又称成本）函数。当你把一个图像作为网络的输入，并且一些输出被激活时，输出和真实之间的差异被称为丢失。因此，优化算法试图通过改变权重来最小化这些损失。

谢谢你的回答，但我的问题是，当我开始用猫图片训练模型时，模型如何知道这是一只猫，我只上传了图片。如果你在某个时候没有给标签，那么你就没有训练它。损失函数必须具有计算损失（优化）的真实性。可能在代码的某个地方，它正在传递。如果你显示你的代码，这会很有帮助。我在帖子的图片中添加了，在training_set下有两个文件夹，分别是cat和dog。我相信，当它从文件夹中读取时，它也将cat文件夹下的所有图片标记为cat。但我不确定，没错。您可以看到显示“training_set=…”的单元格的输出。输出显示“发现了5319张属于2类的图像”。这意味着Keras根据目录结构推断出标签。标签是什么没有任何区别。它将称它们为0和1（而不是猫和狗）。您可以在此处阅读更多内容：