Correction d’un modèle avec mauvais encodage des labels multi-classes

Scénario

Contexte : Un modèle de classification d’images multi-classes produit des résultats incohérents. Le Problème : Les labels sont fournis en format entier mais la configuration du modèle suppose un encodage one-hot. Extrait logique actuelle : model.compile(loss='categorical_crossentropy') Sans transformation des labels. Contraintes : Adapter soit la fonction de perte (sparse categorical crossentropy), soit encoder correctement les labels. Vérifier cohérence avec activation softmax. Livrable attendu : Corriger la configuration pour garantir cohérence entre labels, architecture et fonction de perte.

Compétences ciblées