Keras训练报错：维度不匹配（30与5）求解决方案

报错核心是模型输出维度与目标数据维度不匹配：

• 模型最后一层Dense(30)输出30维特征，而目标数据y_train/y_valid是5维的（每个样本对应5个数值），导致计算MSE损失时维度无法对齐，触发ValueError。

1. 修正模型输出层
   将模型的最后一层改为输出5个神经元，匹配目标数据的维度：

   model = keras.models.Sequential([
       keras.layers.Dense(30, activation='relu', input_shape=X_train.shape[1:]),
       keras.layers.Dense(5)  # 输出维度与目标一致，回归任务无需激活函数
   ])
   

2. 修正代码中的拼写/命名问题

   • obiect改为object（拼写错误）
   • X_vaild/y_vaild改为X_valid/y_valid（拼写错误）
   • 避免类名与字典名重复（原代码中array1既是字典又是类名，会导致逻辑混乱），直接用数组拆分数据：

     data_array = np.array([[2.5, 3, 3.5, 4, 4.5], [3, 3.5, 4, 4.5, 5], [3.5, 4, 4.5, 5, 5.5], [4, 4.5, 5, 5.5, 6], [4.5, 5, 5.5, 6, 6.5]])
     target_array = np.array([[3, 3.5, 4, 4.5,5], [3.5, 4, 4.5, 5, 5.5], [4, 4.5, 5, 5.5, 6], [4.5, 5, 5.5, 6, 6.5], [5, 5.5, 6, 6.5, 7]])
     
     X_train, X_valid, y_train, y_valid = train_test_split(data_array, target_array)
     

3. 完整修正后的代码

   import numpy as np
   from sklearn.model_selection import train_test_split
   import tensorflow as tf
   from tensorflow import keras
   
   data_array = np.array([[2.5, 3, 3.5, 4, 4.5], [3, 3.5, 4, 4.5, 5], [3.5, 4, 4.5, 5, 5.5], [4, 4.5, 5, 5.5, 6], [4.5, 5, 5.5, 6, 6.5]])
   target_array = np.array([[3, 3.5, 4, 4.5,5], [3.5, 4, 4.5, 5, 5.5], [4, 4.5, 5, 5.5, 6], [4.5, 5, 5.5, 6, 6.5], [5, 5.5, 6, 6.5, 7]])
   
   X_train, X_valid, y_train, y_valid = train_test_split(data_array, target_array)
   
   model = keras.models.Sequential([
       keras.layers.Dense(30, activation='relu', input_shape=X_train.shape[1:]),
       keras.layers.Dense(5)
   ])
   
   model.compile(loss=tf.keras.losses.MeanSquaredError(), optimizer="Adam")
   
   history = model.fit(X_train, y_train, epochs=30, validation_data=(X_valid, y_valid))
   

• 多变量回归任务中，输出层的神经元数量必须与目标变量的维度一致，即样本对应的目标值数量。
• 避免类名与变量名重复，否则会覆盖原有变量，导致数据读取异常。

内容的提问来源于stack exchange，提问作者karoloso