2クラス分類の出力層Denseの値が2で実行できないことを改善したい

Question

前提

opencvで読み込んだ動画フレーム配列(10000,64,64,3) をnumpyでグレースケールの配列(10000,64,64)とし、それらを指定したフレームで抽出したもの、例えば(100,64,64)のデータを2セットを標準化(max-min normalization)等で処理したしたデータを扱っています。
#10000フレーム、64x64、rgbデータ

データ数は極端に少ないのですが,すべて同じ画角の映像で変動が小さいものを見ているため、水増しを行った方がいいのかがわからずそのままでやっております。

実現したいこと

・これらの2セットのデータをCNNで2クラス分類を行うこと。
・Dense=2で実行したい（そもそも2とするのが正しいのか不明）
・Dense=1だと実行できるが正答率が50パーセント程度で返ってくる。一方でscikit-learnのknn法では80%を超えるためスクリプトが間違っているのではないかを確認したい。
・この稚拙な質問からもし私が理解不足であると推察されるところがあれば遠慮なくご教示願いたい。

発生している問題・エラーメッセージ

様々な記事を参考にさせていただいたところ，出力層のDenseは2クラス分類のため2とするのが常のようですが，2で実行すると以下のエラー文が出力されます。

 ValueError: `logits` and `labels` must have the same shape, received ((None, 2) vs (None, 1)).

該当のソースコード

from keras.models import Sequential
from keras.layers import Dense
from keras.layers.convolutional import MaxPooling2D
from keras.layers import Activation, Conv2D, Flatten, Dense,Dropout
from keras import optimizers

#データ型
print(data1.shape) 
#(100, 64, 64)
print(data1.shape) 
#(100, 64, 64)

dataset = np.vstack([data1,data2])
#(200,64,64)

#正解ラベルを生成
label = []
label += [0]*100 + [1]*100

#パラメータ
width=64
height=64

#モデル
model = Sequential()

# 1層目
model.add(Conv2D(32,(3,3),padding="same", input_shape=(width,height)))
model.add(Activation('relu'))
# 2層目
model.add(Conv2D(32,(3,3)))
model.add(Activation('relu'))
# 3層目 (Max Pooling)
model.add(MaxPooling2D(pool_size=(2,2)))                     
model.add(Dropout(0.3))                     
# 4層目 (畳み込み)
model.add(Conv2D(64,(3,3),padding="same"))                   
model.add(Activation('relu'))
# 5層目 (畳み込み)
model.add(Conv2D(64,(3,3))) 
model.add(Activation('relu'))
# 6層目 (Max Pooling)
model.add(MaxPooling2D(pool_size=(2,2)))
# データを1次元化
model.add(Flatten())
# 7層目 (全結合層)
model.add(Dense(512))                                       
model.add(Activation('relu'))
model.add(Dropout(0.5))
# 出力層(softmaxで0〜1の確率を返す)
model.add(Dense(2))           #問題の文
model.add(Activation('softmax'))

Adam = optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)

model.summary()

X_train, X_test, y_train, y_test = train_test_split(pretone_dataset_cnn,label)


optimizers ="Adam"
history = {}
epochs =問題の
model.compile(loss='binary_crossentropy', optimizer=optimizers, metrics=['accuracy'])
history= model.fit(X_train, y_train, epochs=epochs )

試したこと

X_train = np.array(X_train)
X_test = np.array(X_test)
y_train = np.array(y_train)
y_test = np.array(y_test)
とするとよいというような記事もあったため，この文を入れています。
また，グレースケールの情報を含めるために
dataset = np.array(dataset)
dataset = dataset.reshape(200,64,64,1)
input_shape=(width,height,1)
のようなこともしましたが変化はありませんでした。

Comments

[ps_aux_grep]

出力データはOneHot Encodingしましたか？
そうでないにしても損失関数に誤りがあります．

もしOneHot Encodingしてないなら損失関数はsparse_categorical_crossentropyですし，

OneHot Encodingしたならcategorical_crossentropyにしなくてはなりません，

ちなみに2値出力を2出力にしたところで精度は変化しません．50件のラベル0データと50件のラベル1データがあって精度が50%ということは，ネットワークは答えをランダムに吐き出していることと同義です．

また，trainデータとtestデータにtrain_test_splitで切り分けたにも関わらず，testの方を利用できていません．Validationデータとしてmodel.fitに渡して利用ください

[hiro_autumn]

ご回答ありがとうございます。
one hot encodingはしていなかったため，sparse_categorical_crossentropyにしました。
testデータをfitに渡し，ほかの回答者様のアドバイスも加味して実行したところ，うまくいきました！ありがとうございます。

Answer 1

最初にInputレイヤーを入れてください。
また、グレースケール画像を使用する場合はshapeを(batch_size, hsize, wsize, csize)の形状にして下さい。

from keras.models import Sequential
from keras.layers import Dense
from keras.layers import MaxPooling2D
from keras.layers import Activation, Conv2D, Flatten, Dense,Dropout, Input
from keras import optimizers

#パラメータ
width=64
height=64

#モデル
model = Sequential()

# 1層目
model.add(Input((64, 64, 1))) # 追加レイヤー
model.add(Conv2D(32,(3,3),padding="same", input_shape=(width,height)))
model.add(Activation('relu'))
# 2層目
model.add(Conv2D(32,(3,3)))
model.add(Activation('relu'))
# 3層目 (Max Pooling)
model.add(MaxPooling2D(pool_size=(2,2)))                     
model.add(Dropout(0.3))                     
# 4層目 (畳み込み)
model.add(Conv2D(64,(3,3),padding="same"))                   
model.add(Activation('relu'))
# 5層目 (畳み込み)
model.add(Conv2D(64,(3,3))) 
model.add(Activation('relu'))
# 6層目 (Max Pooling)
model.add(MaxPooling2D(pool_size=(2,2)))
# データを1次元化
model.add(Flatten())
# 7層目 (全結合層)
model.add(Dense(512))                                       
model.add(Activation('relu'))
model.add(Dropout(0.5))
# 出力層(softmaxで0〜1の確率を返す)
model.add(Dense(2))           #問題の文
model.add(Activation('softmax'))

Adam = optimizers.adam_v2.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)

model.summary()
model.compile(loss='sparse_categorical_crossentropy', optimizer=[Adam], metrics=['accuracy'])

Comments

[ps_aux_grep]

space_categorical_crossentropyじゃなくてsparse_categorical_crossentropyではないでしょうか?

[hiro_autumn]

ご回答ありがとうございました。なんとかうまく動かすことができました。