Keras稀疏_分类_准确率指标产生“不兼容的形状”错误

Question

我对 Keras 比较陌生，正在尝试使用 TensorFlow 后端实现 U-Net 架构，以便对许多 256x256 图像进行像素级多类分类。输入形状和输出形状均为 256x256x1（批量大小也是 1）。

我有超过 30 个类，所以我尝试将其用作sparse_categorical_crossentropy我的损失函数（常规分类交叉熵会给我带来记忆错误），正如许多在线论坛建议的那样。当我将“metric”参数从“accuracy”更改为“sparse_categorical_accuracy”时，出现以下错误：

InvalidArgumentError: Incompatible shapes: [65536] vs. [1,256,256]   
[[{{node metrics_3/sparse_categorical_accuracy/Equal}} = 
Equal[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"](metrics_3/sparse_categorical_accuracy/Reshape, metrics_3/sparse_categorical_accuracy/Cast)]]   
[[{{node metrics_3/sparse_categorical_accuracy/Mean/_749}} =
_Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_3000_metrics_3/sparse_categorical_accuracy/Mean", tensor_type=DT_FLOAT,
_device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

看来我的输出是 1D 而不是 2D？我需要更改数据格式吗？然而，当我尝试在 U-Net 末尾使用扁平层和密集层（以产生 65536 个向量输出）来展平输出时，我收到另一个错误，指出预期输出维度为 1。我也尝试过将最后一层中的通道数更改为我正在使用的类总数（以使输出为 256x256xnum_classes），但我得到了相同的错误。

此外，当我将“metric”参数保留为“accuracy”时，代码会运行，但损失始终存在，NaN并且精度很快收敛到约 0.008。在这种情况下，“准确度”默认为多少？

这些是已知的问题吗sparse_categorical_accuracy？我在网上找不到太多信息，关于这个特定损失函数的 Keras 文档也很少。任何帮助表示赞赏！如果还需要我的代码的其他部分来帮助调试，请告诉我。