我正在使用Keras和TensorFlow后台开发一个简单的卷积神经网络分类器。

def cnnKeras(training_data, training_labels, test_data, test_labels, n_dim):  print("Initiating CNN")  seed = 8  numpy.random.seed(seed)  model = Sequential()  model.add(Convolution2D(64, 1, 1, init='glorot_uniform',    border_mode='valid',input_shape=(16, 1, 1), activation='relu'))  model.add(MaxPooling2D(pool_size=(1, 1)))  model.add(Convolution2D(32, 1, 1, init='glorot_uniform',    activation='relu'))  model.add(MaxPooling2D(pool_size=(1, 1)))  model.add(Dropout(0.25))  model.add(Flatten())  model.add(Dense(128, activation='relu'))  model.add(Dropout(0.5))  model.add(Dense(64, activation='relu'))  model.add(Dense(1, activation='softmax'))  # Compile model  model.compile(loss='sparse_categorical_crossentropy',              optimizer='adam', metrics=['accuracy'])  model.fit(training_data, training_labels, validation_data=(    test_data, test_labels), nb_epoch=30, batch_size=8, verbose=2)  scores = model.evaluate(test_data, test_labels, verbose=1)  print("Baseline Error: %.2f%%" % (100 - scores[1] * 100))  # model.save('trained_CNN.h5')  return None

这是一个二分类问题，但我一直收到消息Received a label value of 1 which is outside the valid range of [0, 1)，这让我感到困惑。有什么建议吗？

回答：

Range [0, 1)表示0到1之间的所有数字，不包括1。因此1不在[0, 1)范围内。

我不完全确定，但问题可能是因为您选择的损失函数。对于二分类问题，binary_crossentropy应该是更好的选择。