Keras多输入模型.fit()正常但.evaluate()出现数据基数不匹配错误

错误根源 #

报错提示的数据基数不匹配，核心问题是输入的两个张量样本数不一致：

• x_train 形状为 (60, 577, 1)，样本数是60
• dummy_mask 形状为 (577, 577, 1)，样本数是577
• 模型要求所有输入的样本数必须和标签y_train的样本数（60）完全一致，evaluate方法会严格校验这一点，而fit可能因广播规则宽松暂时没触发错误。

同时，你的mask_input定义的形状是(sequence_size, sequence_size)，但传入的dummy_mask多了一个最后维度（...,1），这也是冗余的。

解决方案 #

1. 调整掩码形状，匹配样本数 #

如果所有样本共用同一个(577,577)的掩码，需要将掩码扩展为和x_train相同的样本数：

import numpy as np

# 先去掉掩码多余的最后一维，变成(577,577)
dummy_mask = dummy_mask.squeeze(axis=-1)
# 扩展样本维度，重复60次，得到(60,577,577)
dummy_mask = np.repeat(dummy_mask[np.newaxis, ...], repeats=60, axis=0)

2. 验证模型输入形状匹配 #

确认模型中mask_input的定义和输入数据一致：
模型里mask_input = keras.Input(shape=(sequence_size, sequence_size), name="mask_input")，要求每个样本的掩码是(sequence_size, sequence_size)，所以最终传入的掩码张量必须是(样本数, sequence_size, sequence_size)，不能带额外的通道维度。

处理后再调用model.evaluate([x_train, dummy_mask], y_train)即可解决报错。

内容的提问来源于stack exchange，提问作者Henning