Python 为什么我会得到；收到的标签值为6，超出了[0，1]的有效范围，“即使我使用的是稀疏的”u category“u crossentrpy？

因此，我尝试使用7个面部表情制作一个情感分类器。我知道为了使用整数标签而不是0和1，需要使用稀疏的分类交叉熵，并且需要将外层激活设置为softmax，但它并没有按照预期工作

我正在使用这里的数据集

代码

将熊猫作为pd导入
将numpy作为np导入
从PIL导入图像
随机输入
将matplotlib.pyplot作为plt导入
从keras.models导入顺序
从keras.optimizers导入RMSprop
从keras.layers导入Conv1D、maxpoolg1d
从keras.layers导入激活、脱落、变平、致密
情绪={0:愤怒，1:厌恶，2:恐惧，3:快乐，
4:'悲伤'，5:'惊喜'，6:'中立'}
df=pd.read\u csv（'fer.csv'））
面=测向值[0:500,1]
faces=faces.tolist（）
emos=df.值[0:500,0]
对于范围内的i（透镜（面））：
面[i]=[int（x）表示面[i]中的x]。拆分（）
emos[i]=int（emos[i]）
面=np.数组（面）
面=np。展开尺寸（面，轴=2）
模型=顺序（）
添加（Conv1D（16,3，padding='same'，input_shape=（2304,1），activation='relu'））
添加（Conv1D（16,3，padding='same'，activation='relu'））
添加（最大池1d（池大小=2））
添加（Conv1D（32,3，padding='same'，activation='relu'））
添加（Conv1D（32,3，padding='same'，activation='relu'））
添加（最大池1d（池大小=2））
添加（Conv1D（64,3，padding='same'，activation='relu'））
添加（Conv1D（64,3，padding='same'，activation='relu'））
添加（最大池1d（池大小=2））
添加（Conv1D（128，3，padding='same'，activation='relu'））
添加（Conv1D（256，3，padding='same'，activation='relu'））
添加（最大池1d（池大小=2））
model.add（展平（））
添加（密集（128，activation='relu'））
模型。添加（辍学率（0.5））
添加（密集（128，activation='relu'））
模型。添加（辍学率（0.5））
model.add（密集（1，activation='softmax'））
model.compile（loss='sparse\u categorical\u crossentropy'，
优化器='adam'，
指标=[‘准确度’]）
模型拟合（面、表情、年代=10，批量大小=8）
model.save_权重（'model.h5'））

错误

W tensorflow/core/framework/op_kernel.cc:1401]op_REQUIRES在sparse_xent_op失败。cc:90:无效参数：收到的标签值6超出了[0,1]的有效范围。标签值：6 0 2 4 6 0 3
回溯（最近一次呼叫最后一次）：
文件“feclassizer.py”，第56行，在
模型拟合（面、表情、年代=10，批量大小=8）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\keras\engine\training.py”，第1039行，在fit中
验证步骤=验证步骤）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\keras\engine\training\u arrays.py”，第199行，在fit\u循环中
outs=f（ins\U批量）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\keras\backend\tensorflow\u backend.py”，第2715行，在调用中__
返回自调用（输入）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\keras\backend\tensorflow\u backend.py”，第2675行，在调用中
fetched=self.\u可调用\u fn（*array\u vals）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\tensorflow\python\client\session.py”，第1439行，在调用中__
运行_元数据_ptr）
文件“C:\Users\nrj10\Anaconda3\lib\site packages\tensorflow\python\framework\errors\u impl.py”，第528行，在退出中__
c_api.TF_GetCode（self.status.status））
tensorflow.python.framework.errors\u impl.InvalidArgumentError:收到的标签值为6，超出了[0,1]的有效范围。标签值：6 0 2 4 6 0 3
[{{node loss/densite_3_loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits}}]

如果有N个类（N>2），则无论是否使用稀疏标签，最后一层都需要有N个神经元：

model.add(Dense(7, activation='softmax'))

---

不要忘记，稀疏标签只是为了方便起见，您的模型仍然需要为每个类生成一个分数

最后一层应该有类或类别的数量

在本例中，因为有7个类

emotion = {0 : 'Angry', 1 : 'Disgust',2 : 'Fear',3 : 'Happy',
       4 : 'Sad',5 : 'Surprise',6 : 'Neutral'}

最后一层应更改为

model.add(Dense(1, activation='softmax'))

对此

model.add(Dense(7, activation='softmax'))

---

我错误地认为稠密（n）用于输出n个值。这就澄清了这一点。谢谢：）

model.add(Dense(7, activation='softmax'))