我得到一个
Classification metrics can't handle a mix of multilabel-indicator and multiclass targets
当我尝试使用混淆矩阵时出错。
我正在做我的第一个深度学习项目。我是新手。我正在使用由 keras 提供的 mnist 数据集。我已经成功地训练和测试了我的模型。
但是，当我尝试使用 scikit learn 混淆矩阵时，我收到了上述错误。我已经搜索了一个答案，虽然有关于这个错误的答案，但没有一个对我有用。从我在网上找到的内容来看，它可能与损失函数有关（我categorical_crossentropy在我的代码中使用了）。我尝试将其更改为，sparse_categorical_crossentropy但这只是给了我
Error when checking target: expected dense_2 to have shape (1,) but got array with shape (10,)
当我fit()在模型上运行该函数时。
这是代码。（为简洁起见，我省略了进口）
model = Sequential()
model.add(Dense(512, activation='relu', input_shape=(28 * 28,)))
model.add(Dense(10, activation='softmax'))
model.compile(optimizer='Adam', loss='categorical_crossentropy', metrics=['accuracy'])
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28 …