卷积神经网络（CNN）训练报错：输入尺寸不一致求助

错误信息：

Error using trainNetwork
Unexpected input size: All observations must have the same channel and spatial dimension sizes.

即使手动修正了部分图片的尺寸和通道，仍出现该错误，核心原因是imageDatastore未自动统一所有样本的输入规格，或者仍有未处理的异常图片。以下是具体解决步骤：

• 添加强制预处理函数，统一所有图片规格
  创建一个预处理函数，确保读取的每张图片都转为200x200的RGB格式：

  function img = preprocessImage(img)
      % 统一尺寸为200x200
      img = imresize(img, [200 200]);
      % 灰度图转为RGB
      if size(img, 3) == 1
          img = repmat(img, [1 1 3]);
      end
  end
  

  在创建imageDatastore时指定该读取函数，让所有图片在读取时自动完成预处理：

  imds = imageDatastore(imgDatasetPath, "IncludeSubfolders", true, ...
      "LabelSource", "foldernames", "ReadFcn", @preprocessImage);
  

• 验证所有图片的规格是否符合要求
  遍历数据集，定位可能存在的异常图片：

  reset(imds);
  while hasdata(imds)
      img = read(imds);
      if ~isequal(size(img), [200 200 3])
          fprintf('异常图片路径：%s\n', imds.Files(imds.CurrentIndex));
      end
  end
  

  根据输出结果检查对应图片，手动修正或移除异常样本。

• 确认拆分后的数据集继承预处理逻辑
  使用splitEachLabel拆分得到的imdsTrain、imdsVal、imdsTest会自动继承原始imds的预处理规则，无需额外配置，确保训练、验证、测试阶段的输入规格完全一致。

• 核对输入层与预处理后的尺寸匹配
  确保网络输入层imageInputLayer([200 200 3])的尺寸和通道数，与预处理后的图片规格完全一致，避免因参数不匹配导致报错。

内容的提问来源于stack exchange，提问作者media-preneur