Python 为什么keras说我只有一个标签而不是三个

我得到一个错误，tensorflow/keras说我只有一个输出，所以我应该在稠密层中有一个（1）而不是（4），我制作了一个标签数组

#goes through files and turns images into arrays
#going through each folder
for categories in os.listdir('train'):
    category = str('train/' + folder)
    #going through each file in folder
    for files in os.listdir(category):
        #creates file path
        filePath = category + '/' + files
        image = keras.preprocessing.image.load_img(filePath)
        imageArr = keras.preprocessing.image.img_to_array(image)
        features.append(imageArr)

# makes labels
# iterates over folders
for names in os.listdir('train'):
      label = 0
      #increment as value of current folder
      label += 1
      for files in os.listdir('train/' + names):
          #adds a number per label
          labels.append(label)

features = np.asarray(features)
labels = np.asarray(labels)


model = keras.Sequential()
model.add(Conv2D(30, (20, 20), input_shape=(600, 600, 3), activation='relu'))
model.add(Flatten())
model.add(Dense(4, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

我得到的错误是，当我知道我有4个时，我只有一个输出，因为当我打印“标签”时，我得到了一系列从1到4的数字，是因为它们都在一个数组中吗？谢谢你的帮助

错误：

ValueError: logits and labels must have the same shape ((None, 4) vs (None, 1))

---

首先，你们有几类

案例1： 如果您有4个类别，根据模型输出-

model.add（密集（4，activation='sigmoid'））

，那么您应该使用

softmax

而不是

sigmoid

softmax

用于多标签分类，而

sigmoid

用于二进制分类。您还需要修改

model.copile（）

函数：

model.add(Dense(4, activation='softmax'))
model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop', # or 'adam'
              metrics=['accuracy'])

案例2： 如果您的任务是二进制分类，那么您需要将模型的输出从4更改为1，代码的其他部分也可以：

model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

案例3： 如果您有3个类别：

model.add(Dense(3, activation='softmax'))
model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop', # or 'adam'
              metrics=['accuracy'])

---

标签的范围为1到4，但每个图像有一个标签。你指定你的损失为二元交叉熵。这意味着你的致密层中应该有1个神经元，而不是4个。此外，您的标签在1-4范围内，它们应该在0-3范围内，因此在您的代码中 因为标签应该是

for names in os.listdir('train'):
      label = 0
      #increment as value of current folder      
      for files in os.listdir('train/' + names):
          #adds a number per label
          labels.append(label)
      label += 1

---

你有几门课？这能回答你的问题吗？