如何构建TensorFlow CNN输出指定形状的国际象棋走棋概率矩阵？

首先明确核心问题：输入输出尺寸不匹配，大概率是通道顺序设置错误，以及网络最后一层的激活函数不符合概率输出需求。以下是具体修正方案：

1. 修正输入通道顺序 #

Keras默认采用channels_last格式，即输入形状应为(8, 8, 6)（高度、宽度、通道数），而非你写的(6, 8, 8)。如果一定要用channels_first，需要在所有卷积层中指定data_format='channels_first'，否则网络会误判维度，导致后续计算出错。

2. 调整网络结构（适配批量输入+正确输出格式） #

下面是修正后的网络代码，保证输入(batch_size, 8, 8, 6)时，输出为(batch_size, 8, 8, 2)，对应你需要的2层8x8走子概率：

import tensorflow as tf

model = tf.keras.Sequential([
    # 输入：批量的8x8棋盘，6个特征通道
    tf.keras.layers.Input(shape=(8, 8, 6)),
    # 特征提取卷积层（padding='same'保证8x8尺寸不变）
    tf.keras.layers.Conv2D(32, (3, 3), padding='same', activation='selu'),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Conv2D(64, (3, 3), padding='same', activation='selu'),
    tf.keras.layers.BatchNormalization(),
    # 转置卷积层：逐步还原通道数，保持8x8尺寸
    tf.keras.layers.Conv2DTranspose(32, (3, 3), padding='same', activation='selu'),
    tf.keras.layers.BatchNormalization(),
    # 最后一层用sigmoid激活，输出0-1之间的概率值
    tf.keras.layers.Conv2DTranspose(2, (3, 3), padding='same', activation='sigmoid')
])

# 验证输入输出尺寸
model.build()
print(model.input_shape)   # (None, 8, 8, 6)
print(model.output_shape)  # (None, 8, 8, 2)

3. 关键细节说明 #

• 批量输入支持：Input层的shape不含批量维度，Keras会自动在前面添加None（代表任意批量大小），直接传入(batch_size, 8, 8, 6)格式的张量即可批量训练。
• 尺寸保持：所有卷积/转置卷积层都用padding='same'，配合3x3奇数尺寸卷积核，能严格保证8x8的空间维度不发生变化。
• 概率输出：最后一层用sigmoid激活，因为你需要的是走子概率（每个位置0-1之间的数值），而selu会输出任意实数，不符合需求。
• 通道数过渡：转置卷积层的通道数逐步从64降到32再到2，避免直接跳变导致特征丢失，提升模型拟合能力。

4. 损失函数选择 #

因为输出是概率分布，建议使用二元交叉熵损失：

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

内容的提问来源于stack exchange，提问作者milosz7