我正在尝试用Keras训练一个简单的neural net。我有输入数据，并且希望得到一个整数输出，这个整数代表一个类别。我希望这个整数在0到13的范围内。然而，当最后一个输出设置为1时，我会收到一个错误
InvalidArgumentError: Received a label value of 12 which is outside the valid range of [0, 1). Label values:这是我目前编译神经网络的代码
我的训练输入是数组的数组，标签只是一个包含0到12的值的数组
这是输出
回答：
让我们理解稀疏分类交叉熵
它只会让你通过整数标签（而不是one-hot数组）来测量错误。
那么为什么会出错？
根据我所解释的，你的网络应该能够预测14个类别。因此，像one-hot编码所做的事情一样，网络也需要这样做（并不是说你正在输入one-hot，这只是一个回顾那个方法，以提醒我们应该做什么），你需要14个输出神经元来实现这一点，因此；最后一层应该看起来像这样：
classifier.add(Dense(units = 14, kernel_initializer = 'uniform', activation = 'sigmoid'))顺便说一句，使用metrics = ['sparse_categorical_accuracy']是一个好习惯
如果你想要整数输出
据我所知，有两个选项：
y_pred = np.argmax(classifier.predict(X_test), axis=1)或者简单地：
y_pred = classifier.predict_classes(X_test)