TensorFlow多分类Sequential模型形状不兼容错误及Dropout参数疑问

一、修复形状不兼容错误 #

出现Shapes (32, 36, 36) and (32, 36) are incompatible错误的核心原因是标签数据形状与模型输出形状不匹配：模型最后一层输出为(batch_size, 36)，但你的标签y_train/y_test被处理成了(batch_size, 36, 36)，大概率是重复执行了独热编码操作。

具体修复步骤： #

• 检查独热编码执行次数：确保仅对原始整数标签执行一次tf.keras.utils.to_categorical，避免重复转换（重复转换会将(N,36)的独热标签进一步扩展为(N,36,36)）。
• 验证标签形状：执行转换后，打印y_train.shape确认结果为(155648, 36)，y_test.shape为(34167, 36)。
• 核对训练代码：调用model.fit()时，确保传递的y参数是正确的独热标签，未误传其他形状的数据。

二、Dropout层参数为0的问题 #

模型摘要显示Dropout层参数为0是完全正常的，不存在问题。

Dropout层仅在训练过程中随机失活部分神经元，它本身没有需要学习的可训练参数（如权重、偏置），因此参数数量为0是合理的，不会影响模型功能。

内容的提问来源于stack exchange，提问作者Bluetail