输出层的单元数（softmax）和数据中的标签数不匹配？
number of units of the output layer（ softmax） and the number of labels in the data do not match?
我在用数据训练深度学习模型时遇到了以下问题。作为新手，我没有找到合适的答案。我希望你们能帮助我！ ！非常感谢！
For the first image, I extracted 1, 2, 4, 5, 6, 7, 12, 14, 18 from the dataset (there are 20 labels) as labels. Normally, I only need to enter 10 in the softmax layer and the model will function properly; the error shows that we need to set the number of units in the softmax layer to 19 for the model to function properly, and this is exactly what happened.第二张图，我只把最后一个标签改成16，然后我们需要将softmax中的单元数设置为17，模型才能正常运行。
那么为什么输出层的单元数（softmax）和数据中的标签数不匹配！！
虽然我可以通过改变softmax层的单元数来让模型正常工作，但是我不确定这是否会对模型的准确率有影响！
类 的数量由出现在您的数据中的最大标签数量决定。在您的情况下，由于最大标签为 18，因此您将 类 0、1、2、...、18，因此总共有 19 类（与错误中指定的完全相同）。
要解决它，您需要将 类 标签 [1,2,4,5,6,7,12,14,18] 重新映射到 [0,1,2,3,4,5,6,7,8]。它可以使用字典手动完成，也可以自动完成，例如这可能有效：
train_data1['faultNumber'] = train_data1['faultNumber'].astype("category").cat.codes
然后可以使用 从 train_data1['faultNumber'] 恢复原始标签，因为它现在有 category 类型。
我在用数据训练深度学习模型时遇到了以下问题。作为新手，我没有找到合适的答案。我希望你们能帮助我！ ！非常感谢！
类 的数量由出现在您的数据中的最大标签数量决定。在您的情况下，由于最大标签为 18，因此您将 类 0、1、2、...、18，因此总共有 19 类（与错误中指定的完全相同）。
要解决它，您需要将 类 标签 [1,2,4,5,6,7,12,14,18] 重新映射到 [0,1,2,3,4,5,6,7,8]。它可以使用字典手动完成，也可以自动完成，例如这可能有效：
train_data1['faultNumber'] = train_data1['faultNumber'].astype("category").cat.codes
然后可以使用 train_data1['faultNumber'] 恢复原始标签，因为它现在有 category 类型。