无效参数：logits 和标签必须可广播：logits_size=[16,8] labels_size=[16,4]

Question

我正在进行一个用于分类玉米疾病图像的CNN项目（4类），它使用VGG16作为基本模型。我创建并保存了模型。现在，是否可以将该模型用作另一个转移学习任务的基础，以对棉叶疾病图像进行分类（4个类），并保留从玉米病图像中获得的知识以及棉叶病图像？如果是这样，我应该如何修改玉米病模型。我是否需要使输出层神经元为8（棉4，4用于玉米病）？ 这是我使用玉米植物模型作为基础的棉花植物CNN的代码。我通过删除最后两层（输出和致密层），然后添加了新的致密层，然后用8个神经元添加了新的致密层，但是当我训练模型时，我会发现logits和标签必须可以广播的错误。

from tensorflow.keras.models import load_model
savedmodel = load_model('corn.h5')
train_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
test_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
val_gen = ImageDataGenerator(preprocessing_function=preprocess_input)
traindata = train_gen.flow_from_directory('/Users/saibalaji/Desktop/data/train/',target_size=(224,224),batch_size=16)

class_labels = []
for class_label,class_mode in traindata.class_indices.items():
    print(class_label)
    class_labels.append(class_label)
nmodel = tf.keras.Sequential()

for layer in savedmodel.layers[0:-1]:
    print(layer)
    nmodel.add(layer)
for layer in nmodel.layers:
    layer.trainable = False

nmodel.add(tf.keras.layers.Dense(units=15,activation='relu',name='dense_3'))
nmodel.add(tf.keras.layers.Dense(units=8,name='cf',activation='softmax'))
nmodel.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss='categorical_crossentropy',metrics=['accuracy'])
nmodel.fit(traindata,epochs=5)

这是我对玉米叶病图像的保存模型摘要（4类），我在这里使用了特征提取器传输学习，这是通过Reatining Conv2d和VGG16的Maxpool层进行的。

我应该如何通过使用转移学习来保留从玉米植物中获得的知识来修改棉叶疾病的模型。

这是我用于棉花植物疾病的改良模型。

但是我得到了这个错误

Answer 1

在玉米图像上训练的模型的知识属于模型权重。只需加载模型，然后将其训练在棉花图像上。