我已经使用包含43个类别的数据集训练了一个Sequential模型；每个类别的名称是0到43，这些名称是从目录名中派生的。现在我想使用迁移学习，在之前训练的模型之上创建一个新模型，新的数据具有43到47的类别。现在的问题是，当我在Dense层中添加5（我的标签43-47的数量）作为类别数量时，它显示以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: 接收到的标签值为46，超出了有效范围[0, 5)。

那么，我如何在Dense层中添加从44开始而不是从零（0）开始的类别数量呢？

这是我的迁移模型代码：

model_old = load_model('model.h5')model_new = tf.keras.models.Sequential()for layer in model_old.layers[:-1]:    layer.trainable = False    model_new.add(layer)model_new.add(tf.keras.layers.Dense(5, activation="softmax"))model_new.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) 

回答：

请检查您是否调用了tf.keras.utils.to_categorical(y, num_classes=None, dtype=’float32′)函数，该函数将您的包含标签（43-47）的Y向量转换为从0到num_classes = 5的整数矩阵，在您的案例中是（0,1,2,3,4）。希望这对您有帮助。