ResNet-50迁移学习训练报错：维度不匹配问题求助

错误原因 #

你的错误源于评估指标与损失函数不匹配：

• 你使用的SparseCategoricalCrossentropy损失函数，针对的是整数型标签（形状为[batch_size]，比如你的标签是(32,)），它会自动将整数标签与模型输出的[batch_size, n_classes]形状的softmax结果计算损失。
• 但你在metrics里用了tf.keras.metrics.Accuracy，这个指标默认要求预测值和标签的维度完全一致：它会直接比较[32,27]的预测输出和[32]的标签，自然会出现维度不匹配的错误。

解决方案 #

将metrics中的Accuracy替换为SparseCategoricalAccuracy，这个指标专门适配整数标签与多分类输出的匹配场景：

修改后的模型编译代码：

base_learning_rate = 0.001
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=base_learning_rate),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(),
              metrics=[tf.keras.metrics.SparseCategoricalAccuracy(name='accuracy')])

额外检查点 #

• 确认n_classes的值是否等于数据集的实际类别数（错误信息中模型输出是[32,27]，说明你设置的n_classes=27，请确保这与WikiArt数据集的风格类别数量一致）。
• 数据集的标签确实是整数类型（从你的element_spec看标签是tf.int64，符合SparseCategoricalCrossentropy的要求，这部分没问题）。

内容的提问来源于stack exchange，提问作者Bernardino Sassoli de' Bianchi