tf.data.Dataset.from_tensor_slices维度不兼容错误排查

问题原因 #

你遇到的ValueError: Dimensions 4113 and 2689 are not compatible，本质是tf.data.Dataset.from_tensor_slices要求输入的特征字典和标签的第一维度必须完全匹配——即特征的样本数（4113）和标签的第一维度需保持一致。你的情况是binary_labels的第一维度变成了词汇表长度2689，而非样本数4113，导致维度不匹配。

分步解决方案 #

1. 确认标签张量的形状 #

先打印binary_labels的形状，定位问题根源：

print(binary_labels.shape)

正常情况下，多标签分类的标签张量形状应为(4113, 2689)——4113个样本，每个样本对应长度为2689的多热编码向量。如果输出是(2689, 4113)或其他非预期形状，说明多热编码过程出错。

2. 修正多热编码生成逻辑 #

基于你用StringLookup处理tf.RaggedTensor的场景，确保编码流程正确：

# 假设训练集标签已转为形状为(4113, None)的RaggedTensor
# 初始化StringLookup层，指定多热输出模式
lookup_layer = tf.keras.layers.StringLookup(
    vocabulary=你的词汇表列表,  # 长度为2689的词汇表
    output_mode="multi_hot",
    num_oov_indices=0  # 根据需求调整，无需OOV可设为0
)

# 生成正确的多热标签
binary_labels = lookup_layer(训练集RaggedTensor标签)

此时binary_labels的形状应为(4113, 2689)，每个样本对应与词汇表长度匹配的多热向量，第一维度和特征样本数完全对齐。

3. 重新创建数据集 #

确认特征字典和标签的第一维度均为4113后，重新执行数据集创建：

train_dataset = tf.data.Dataset.from_tensor_slices((dict(df), binary_labels))

4. 应急调整（仅临时用） #

如果发现binary_labels被意外转置为(2689, 4113)，可临时通过转置修正形状：

binary_labels = tf.transpose(binary_labels)

但更建议从编码源头修正，避免后续出现其他维度问题。

额外注意事项 #

• 确保df的行数确实是4113，所有特征列的长度均与样本数一致；
• 检查StringLookup的vocabulary参数是否正确传入了长度为2689的词汇表，避免因词汇表长度错误导致维度异常。

内容的提问来源于stack exchange，提问作者Maggie