При классификации изображений с помощью CNN возникла ошибка ValueError: фигуры (нет, 9) и (нет, 1) несовместимы. ⇐ Python

[Anonymous]

Я пытаюсь классифицировать категории лодок изображений ниже, которые представляют собой папку, содержащую следующие имена папок:
[img]https: //i.sstatic.net/MZiLY9pB.png[/img]

Код: Выделить всё

dataset_path = 'boat_type_classification_dataset'

# Load the dataset and split it into training (80%) and validation (20%)
train_dataset = tf.keras.preprocessing.image_dataset_from_directory(
dataset_path,
validation_split=0.2,
subset="training",
seed=43,
image_size=(128, 128),
batch_size=32,
shuffle=True
)

val_dataset = tf.keras.preprocessing.image_dataset_from_directory(
dataset_path,
validation_split=0.2,
subset="validation",
seed=43,
image_size=(128, 128),
batch_size=32,
shuffle=True
)

Layer (type)                Output Shape              Param #
=================================================================
conv2d (Conv2D)             (None, 126, 126, 32)      896

max_pooling2d (MaxPooling2  (None, 63, 63, 32)        0
D)

conv2d_1 (Conv2D)           (None, 61, 61, 32)        9248

max_pooling2d_1 (MaxPoolin  (None, 30, 30, 32)        0
g2D)

global_average_pooling2d (  (None, 32)                0
GlobalAveragePooling2D)

dense (Dense)               (None, 128)               4224

dense_1 (Dense)             (None, 128)               16512

dense_2 (Dense)             (None, 9)                 1161

=================================================================
Total params: 32041 (125.16 KB)
Trainable params: 32041 (125.16 KB)
Non-trainable params: 0 (0.00 Byte)

Я получаю эту ошибку при подгонке модели

Код: Выделить всё

ValueError: Shapes (None, 9) and (None, 1) are incompatible

Примечание. Я проверил метки категорий, которые являются целыми числами.

Код: Выделить всё

model.compile(
optimizer=tf.keras.optimizers.Adam(),  # Adam optimizer
loss = 'sparse_categorical_crossentropy',  # For integer labels
metrics=[
tf.keras.metrics.SparseCategoricalAccuracy(name='accuracy'),  # Use Sparse for integer labels
tf.keras.metrics.Precision(name='precision'),
tf.keras.metrics.Recall(name='recall')
]
)

try:
history = model.fit(
train_dataset,
validation_data=val_dataset,
epochs=20
)
except Exception as e:
print("Error occurred:", e)

Следуя решению, которое я уже сделал ниже,
https://github.com/nadine1991/ClasifyBo ... tled.ipynb
Измените структуру модели и перезапустите ядро, после чего модель начала обучаться, но точность все еще низкая, около 40%, хотя я добавил увеличение изображения в набор данных поезда. Есть идеи, как улучшить точность обучения и проверки, не вдаваясь в VGD или проблемы переобучения?

Подробнее здесь: https://stackoverflow.com/questions/790 ... 9-and-none