这不是我的问题，有人问过我这个问题，我已经解决了。还发现很多新手都遇到过这个问题或类似的问题。我的朋友正在使用

这不是我的问题，有人问过我这个问题，我已经解决了。还发现很多新手都遇到过这个问题或类似的问题。我的朋友正在 使用 卷积神经网络 情绪检测模型 。在定义模型时，她犯了一个非常小的错误，导致了这个错误。所以我把这个分享给大家，希望大家会觉得它有用。

我正在定义模型。这是代码

def model_fer(inputs):
       conv_1= convolution(inputs,32,(3,3))
       conv_2= convolution(conv_1,64,(5,5))
       conv_3= convolution(conv_2,128,(3,3))
        
       flatten = Flatten()(conv_3)
        
       dense_1 = dense_f(flatten,256)
        
       output = Dense(7, activation = 'softmax')(dense_1)
       model = Model(inputs = [inputs], outputs = [output])
        
       model.compile(loss= ['categorical_crossentrophy'], optimizer = 'adam', metrics= ['accuracy'])
        
       return model

但是当我尝试将模型拟合到训练数据上时，它显示了一个 ValueError 错误

无法识别损失标识符Categorical_crossentropy。

有时它还说：

损失函数：\'categorical_crossentrophy\'。请确保您使用的是“keras.utils.custom_object_scope”，并且该对象包含在范围内。

完整错误：

ValueError                                Traceback (most recent call last)
Cell In[11], line 1
----> 1 history = model.fit(
      2     x = train_generator,
      3     steps_per_epoch=steps_per_epoch,
      4     epochs=5,
      5     validation_data=validation_generator,
      6     validation_steps=validation_steps//2,
      7     callbacks=callbacks
      8 )

File c:\Users\mebub_9a7jdi8\Desktop\Emotion_Detection_Model\.env\Lib\site-packages\keras\src\utils\traceback_utils.py:122, in filter_traceback.<locals>.error_handler(*args, **kwargs)
    119     filtered_tb = _process_traceback_frames(e.__traceback__)
    120     # To get the full stack trace, call:
    121     # `keras.config.disable_traceback_filtering()`
--> 122     raise e.with_traceback(filtered_tb) from None
    123 finally:
    124     del filtered_tb

File c:\Users\mebub_9a7jdi8\Desktop\Emotion_Detection_Model\.env\Lib\site-packages\keras\src\losses\__init__.py:201, in get(identifier)
    199     return obj
    200 else:
--> 201     raise ValueError(f"Could not interpret loss identifier: {identifier}")

ValueError: Could not interpret loss identifier: categorical_crossentrophy