Conv1D/Conv2D训练数据基数不匹配ValueError问题求助

我在项目中尝试理解并应用CNN，已经解决了SimpleRNN和LSTM的输入形状问题，但遇到了Conv1D与Conv2D的输入形状及数据基数歧义问题。我将x整形为(60, 1322, 1295, 1)，y整形为(12, 1322, 1295, 1)，因样本数不一致（60和12）触发ValueError。以下是我的代码、模型概要及报错信息：

代码 #

pathx = os.path.join(r'/Users/trainx')
pathy = os.path.join(r'/Users/trainy')

xdir = glob(os.path.join(pathx, "*.tif"))
ydir = glob(os.path.join(pathy, "*.tif"))
xdir.sort()
ydir.sort()

evi = rioxarray.open_rasterio('/evi.tif')
lst = rioxarray.open_rasterio('lst.tif')
ndbi = rioxarray.open_rasterio('ndbi.tif')
ndwi = rioxarray.open_rasterio('ndwi.tif')
yei = rioxarray.open_rasterio('y.tif')

x = numpy.hstack([evi, lst, ndbi, ndwi])
x = x.reshape(-1, 1322, 1295, 1)
y = yei
y = yei.values
# y= yei.to_masked_array()
type(y)
y = y.reshape(-1, 1322, 1295, 1)
x.shape, y.shape

x = x.astype("float") / 255.0

from tensorflow.keras import models
from tensorflow.keras import layers
from tensorflow.keras.layers import Dense, Conv1D
model = models.Sequential()
model.add(layers.Conv2D(32, (5, 5), activation='relu', input_shape=(x[0].shape)))
model.add(layers.MaxPool2D(2, 2))
model.add(layers.Flatten())
model.add(layers.Dense(1, activation='tanh'))
model.compile(loss='categorical_crossentropy', optimizer= "adam", metrics=['accuracy'])

model.fit(x,y, batch_size=10, epochs=10)

模型概要 #

_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d_3 (Conv2D)           (None, 1318, 1291, 32)    832       
                                                                 
 max_pooling2d_2 (MaxPooling  (None, 659, 645, 32)     0         
 2D)                                                             
                                                                 
 flatten_30 (Flatten)        (None, 13601760)          0         
                                                                 
 dense_47 (Dense)            (None, 1)                 13601761  
                                                                 
=================================================================
Total params: 13,602,593
Trainable params: 13,602,593
Non-trainable params: 0
_________________________________________________________________
None

报错信息 #

ValueError                                Traceback (most recent call last)
Cell In [257], line 1
----> 1 model.fit(x,y, batch_size=10, epochs=10)

File ~/opt/anaconda3/envs/cestlavie/lib/python3.9/site-packages/keras/utils/traceback_utils.py:70, in filter_traceback.<locals>.error_handler(*args, **kwargs)
     67     filtered_tb = _process_traceback_frames(e.__traceback__)
     68     # To get the full stack trace, call:
     69     # `tf.debugging.disable_traceback_filtering()`
---> 70     raise e.with_traceback(filtered_tb) from None
     71 finally:
     72     del filtered_tb

File ~/opt/anaconda3/envs/cestlavie/lib/python3.9/site-packages/keras/engine/data_adapter.py:1851, in _check_data_cardinality(data)
   1844     msg += "  {} sizes: {}\n".format(
   1845         label,
   1846         ", ".join(
   1847             str(i.shape[0]) for i in tf.nest.flatten(single_data)
   1848         ),
   1849     )
   1850 msg += "Make sure all arrays contain the same number of samples."
-> 1851 raise ValueError(msg)

ValueError: Data cardinality is ambiguous:
  x sizes: 60
  y sizes: 12
Make sure all arrays contain the same number of samples.

解决方案 #

1. 解决数据基数不匹配问题 #

报错核心是输入x的样本数（60）和标签y的样本数（12）不一致，必须让两者样本数对齐：

• 检查数据维度：你加载的yei可能仅包含12个波段/样本，而x是4个输入影像（evi、lst、ndbi、ndwi）堆叠后得到60个样本。先确认每个输入影像的波段数，明确x和y的样本对应关系；
• 对齐样本数：要么将y扩展至60个样本（比如基于业务逻辑补充对应数据），要么将x筛选至12个样本（保留与y匹配的波段/样本）；
• 临时测试：如果是验证问题，可以先取x的前12个样本：x = x[:12]，再执行训练，确认基数问题是否解决。

2. 修正模型设计的不匹配问题 #

• 损失函数与输出激活不匹配：当前用Dense(1, activation='tanh')搭配categorical_crossentropy完全错误：
  • 若为回归任务：输出用tanh或线性激活，损失改用mse（均方误差）或mae（平均绝对误差）；
  • 若为二分类任务：输出激活改用sigmoid，损失用binary_crossentropy；
  • 若为多分类任务：输出单元数等于类别数，激活用softmax，损失用categorical_crossentropy（标签需one-hot编码）或sparse_categorical_crossentropy（标签为整数）；
• 优化模型参数规模：Flatten后得到1360万维度的特征，全连接层参数超过1300万，易过拟合且训练缓慢。建议在Flatten后添加Dropout层（layers.Dropout(0.5)），或增加卷积层进一步压缩特征维度。

3. Conv1D与Conv2D输入形状区分 #

• Conv2D：适用于2D空间数据（如影像），输入形状为(样本数, 高度, 宽度, 通道数)，你当前的使用是正确的；
• Conv1D：适用于序列数据，输入形状为(样本数, 时间步长, 特征数)，只有当你需要将影像按行/列转为序列结构时才需要使用，当前影像任务用Conv2D更合适。

内容的提问来源于stack exchange，提问作者witheringwhispers