Python 检查目标时出现Keras ValueError错误

我正试图在keras建立一个模型。我几乎完全遵循了一个教程，但我得到了一个错误，上面写着：

ValueError:检查目标时出错：预期激活_5具有形状（无，1），但获得具有形状（16，13）的数组

我的代码如下：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])


batch_size = 16
epochs = 50
number_training_data = 999
number_validation_data = 100

train_datagen = ImageDataGenerator(
        rescale=1./255,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
        'data/train',  # this is the target directory
        target_size=(200, 200),
        batch_size=batch_size,
        class_mode='categorical')

validation_generator = test_datagen.flow_from_directory(
        'data/validation',
        target_size=(200, 200),
        batch_size=batch_size,
        class_mode='categorical')

model.fit_generator(
    train_generator,
    steps_per_epoch=number_training_data // batch_size,
    epochs=epochs,
    validation_data=validation_generator,
    validation_steps=number_validation_data // batch_size)

---

我拥有的数据集有13个类，因此错误消息中的数组形状对应于批大小和类数。知道我为什么会出现这个错误吗？

您的模型配置为执行二进制分类，而不是13个类的多类分类。要做到这一点，您应该改变：

• 最后的单元数密集到13，类数
• 输出至softmax时的激活
• 分类交叉熵的损失（

  categorical\u crossentropy

  ）