Python Keras:在来自目录的“flow”中使用“crossentropy”损失`

我正在尝试使用

flow\u from\u目录

来训练我的模型。我使用的损失是

binary\u crossentropy

，它需要调用

Y\u列

数据上的

to\u category

函数。我不知道如何从_目录为

flow_执行此操作，程序抛出以下错误：

Traceback (most recent call last):
  File "vgg16-sim-conn-rmsprop-2-main.py", line 316, in <module>
    epochs=25
  File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/legacy/interfaces.py", line 8
8, in wrapper
    return func(*args, **kwargs)
  File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 187
6, in fit_generator
    class_weight=class_weight)
  File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 161
4, in train_on_batch
    check_batch_axis=True)
  File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 129
9, in _standardize_user_data
    exception_prefix='model target')
  File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 133
, in _standardize_input_data
    str(array.shape))
ValueError: Error when checking model target: expected predictions to have shape (None, 2) b
ut got array with shape (100, 1)

而
fit_生成器
是：

model.fit_generator(
    train_generator,
    steps_per_epoch=2500,
    epochs=25
)

如果您使用的是
binary\u crossentropy
，那么设置
class\u mode='binary'
是正确的

但是你可能失败了，因为你没有给我们展示模型，所以这篇文章没有显示在你模型的最后一层

您可能有一个
密集型（2，activation='softmax'）
。这是“一个热门”或分类交叉熵版本。如果您想使用二进制，则只输出一个介于0和1之间的值。你是这样做的：

Dense(1, activation = 'sigmoid')

我希望这能解决你的问题：-）
所以，如果我想做
分类的
交叉熵，而不是二进制的，比如说10个类，那么我是否仍然使用
密集型（1，activation='sigmoid'）
，或者
密集型（classes，activation='softmax'）
？那么你就使用密集型（10，activation='softmax'）！当你在分类中工作时，每个输出神经元都是一个类，softmax使输出标准化，使每个神经元的总和为1，理想情况下你会得到类似[0,0,1,0,0,0,0,0,0,0,0,0,0,0,0]的结果，但最有可能的结果是：[0.1,0.2,0,0,0.05,0.1,0.05,0.00,0,0.5]，告诉你哪一个是最可能的类。
Dense(1, activation = 'sigmoid')