TensorFlow Keras报错：Shapes (None,6,36)与(None,216)不兼容求解

错误原因 #

你遇到的ValueError: Shapes (None, 6, 36) and (None, 216) are incompatible，核心是模型输出形状与标签形状不匹配：

• 标签数组是三维结构：(样本数, 6, 36)对应6个字符，每个字符36种可能
• 模型最后一层输出是一维结构：(None, 216)即6*36的扁平化结果
  而categorical_crossentropy损失函数要求标签和模型输出的形状必须完全一致。

解决方案（二选一即可） #

方案一：调整模型输出为三维结构（推荐） #

通过添加Reshape层，把模型最后一层的一维输出转换成和标签一致的(6, 36)结构，同时修正最后一层的激活函数（分类任务需用softmax）：

修改模型定义代码：

model = Sequential([
    Conv2D(32, (3, 3), activation="relu", input_shape=(40, 180, 3)),
    MaxPooling2D(pool_size=(2, 2)),
    Conv2D(64, (3, 3), activation="relu"),
    MaxPooling2D(pool_size=(2, 2)),
    Flatten(),
    Dense(128, activation="relu"),
    # 输出6*36的特征，用softmax做分类激活
    Dense(num_characters * len(characters), activation="softmax"),
    # 将一维结果重塑为(6,36)，匹配标签形状
    tf.keras.layers.Reshape((num_characters, len(characters)))
])

方案二：调整标签为一维结构 #

把三维的标签数组扁平化，转换成和模型输出一致的一维结构：

修改convert_to_arrays函数：

def convert_to_arrays(images, labels):
    images_array = np.array(images) / 255.0
    num_samples = len(images)
    # 初始化一维标签数组
    labels_array = np.zeros((num_samples, num_characters * len(characters)))
    for i, label in enumerate(labels):
        # 跳过长度不符的标签，避免索引错误
        if len(label) != num_characters:
            continue
        for j, char in enumerate(label):
            # 计算一维索引位置
            idx = j * len(characters) + characters.index(char)
            labels_array[i, idx] = 1
    return images_array, labels_array

额外需要修正的小问题 #

1. 图片解码错误：你用tf.io.decode_png读取.jpg格式的图片，应该替换成tf.io.decode_jpeg，否则可能出现解码失败：

image = tf.io.decode_jpeg(tf.io.read_file(image_path), channels=num_channels)

2. 固定样本数的潜在问题：原代码中num_train_images固定为85，但实际文件夹中的图片数量可能不等于85，会导致标签数组初始化长度不匹配。修改所有依赖num_train_images的地方，改用实际加载的样本数：
   • 在convert_to_arrays和split_arrays函数中，用len(images)或len(images_array)替代num_train_images（参考方案二中的修改）。

内容的提问来源于stack exchange，提问作者Juan Pablo Cuéllar Alvarado