Keras输入形状不匹配ValueError问题求助

核心错误原因与修复方案 #

1. 输入层形状定义错误 #

你给Dense层的input_shape设置为x_train.shape，而x_train.shape是(621, 17)（621个样本，每个样本17个特征）。Keras中input_shape需要指定单个样本的特征维度，而非整个训练集的形状。这导致模型期望输入是(None, 621, 17)（批量维度+样本维度+特征维度），但实际输入是(None, 17)（批量维度+特征维度），触发形状不匹配错误。

修正：将输入层的input_shape改为(x_train.shape[1],)（即单个样本的特征数17）：

model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))

2. 标签数据转换未生效 #

原代码中y.replace('Yes', 1)和y.replace('No', 0)没有赋值回y，Pandas的replace方法默认返回新对象而不修改原数据，导致y仍然是字符串类型，后续训练会引发额外错误。

修正：将转换后的结果赋值给y：

y = y.replace('Yes', 1).replace('No', 0)

3. Reshape操作未修改原数据 #

tf.reshape(x_train, [621, 17])不会改变原x_train，因为该函数返回新张量，需要重新赋值才能生效。实际上你的x_train已经是正确的(621, 17)形状，这行代码可以直接删除；若保留则需修改为：

x_train = tf.reshape(x_train, (-1, 17))

修正后的完整代码 #

import pandas as pd
from sklearn.model_selection import train_test_split
import tensorflow as tf

datasetFull = pd.read_csv('College_Data.csv')
dataset = datasetFull.drop("Name", axis=1)

x = dataset.drop("Private", axis=1)

y = dataset["Private"]
y = y.replace('Yes', 1).replace('No', 0)

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

print(x_train.shape)

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))
model.add(tf.keras.layers.Dense(256, activation='sigmoid'))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

print(x_train.shape)

model.fit(x_train, y_train, epochs=1000)

关于TensorFlow性能提示 #

你看到的This TensorFlow binary is optimized...提示仅为性能优化建议，不影响程序功能。若要屏蔽该提示，可在代码开头添加：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

内容的提问来源于stack exchange，提问作者ALCH3M1ST