这是我所做的。我获取了狗/猫图像分类的代码，并编译运行后获得了80%的准确率。我在训练和验证文件夹中添加了一个新的类别（飞机）文件夹。并对以下代码进行了修改

model.compile(loss='categorical_crossentropy',              optimizer='rmsprop',              metrics=['accuracy'])train_generator = train_datagen.flow_from_directory(    train_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='categorical')validation_generator = test_datagen.flow_from_directory(    validation_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='categorical')

将binary class_mode改为categorical，并将损失函数改为categorical_crossentropy。还将输出布局从sigmoid改为softmax。但收到了以下错误。

ValueError: Error when checking target: expected activation_10 to have shape (None, 1) but got array with shape (16, 3)

我是否需要明确地将训练标签转换为分类标签，如下所示？我是从网站使用Keras进行多标签分类上读到的

train_labels = to_categorical(train_labels, num_classes=num_classes) 

我不确定这里发生了什么。请帮助我。我对深度学习还比较新手。

模型

model = Sequential()model.add(Conv2D(32, (3, 3), input_shape=input_shape))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Conv2D(32, (3, 3)))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Conv2D(64, (3, 3)))model.add(Activation('relu'))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Flatten())model.add(Dense(64))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(1))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy',              optimizer='rmsprop',              metrics=['accuracy'])# 这是我们将用于训练的增强配置train_datagen = ImageDataGenerator(    rescale=1. / 255,    shear_range=0.2,    zoom_range=0.2,    horizontal_flip=True)# 这是我们将用于测试的增强配置：仅缩放test_datagen = ImageDataGenerator(rescale=1. / 255)train_generator = train_datagen.flow_from_directory(    train_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='categorical')validation_generator = test_datagen.flow_from_directory(    validation_data_dir,    target_size=(img_width, img_height),    batch_size=batch_size,    class_mode='categorical')model.fit_generator(    train_generator,    steps_per_epoch=nb_train_samples // batch_size,    epochs=epochs,    validation_data=validation_generator,    validation_steps=nb_validation_samples // batch_size)

回答：

对于多类分类，最后的全连接层必须具有与类别数量相同的节点数，后跟softmax激活函数，即您的模型的最后两层应该是：

model.add(Dense(num_classes))model.add(Activation('softmax'))

此外，您的标签（训练和测试）必须进行独热编码；因此，假设您的初始猫和狗被标记为整数（0/1），并且您的新类别（飞机）最初同样被标记为’2’，您应该按以下方式转换它们：

train_labels = keras.utils.to_categorical(train_labels, num_classes)test_labels = keras.utils.to_categorical(test_labels, num_classes)

最后，在术语层面上，您所做的是多类分类，而不是多标签分类（我已经编辑了您的帖子的标题）——后一个术语用于样本可能同时属于多个类别的问题。