TensorFlow中模型输入形状不匹配ValueError问题求助

核心问题 #

你遇到的ValueError是因为模型定义的输入形状和实际输入数据的形状不匹配：

• 初始化模型时，你给EEGNet函数传了参数Samples = 10000，这会让模型输入层的期望形状为(None, 32, 10000, 1)（None代表批量大小）。
• 但你的输入数据l = np.random.rand(9573,32,1000,1)的样本时间维度是1000，和模型要求的10000完全不符，导致输入不兼容。

两种修正方案 #

方案1：调整模型参数匹配输入数据 #

如果你的输入数据确实是1000维度的样本，修改模型初始化代码，把Samples参数改成1000：

model = EEGNet(2, Chans = 32, Samples = 1000)

方案2：调整输入数据匹配模型要求 #

如果你需要模型处理10000维度的样本，需要将输入数据的时间维度扩展到10000。可以用插值、补零等方式处理，比如：

# 用scipy插值扩展维度
from scipy import interpolate

old_length = 1000
new_length = 10000
x_old = np.linspace(0, 1, old_length)
x_new = np.linspace(0, 1, new_length)

# 对每个样本的时间维度进行插值
l_reshaped = l.reshape(-1, old_length)
f = interpolate.interp1d(x_old, l_reshaped, axis=1)
l_new = f(x_new).reshape(-1, 32, new_length, 1)

额外代码问题提示 #

你的EEGNet函数中，dropoutType的判断逻辑有错误：当传入'SpatialDropout2D'时，你错误地赋值成了Dropout，应该改成SpatialDropout2D（注意需要先导入from tensorflow.keras.layers import SpatialDropout2D）：

if dropoutType == 'SpatialDropout2D':
    dropoutType = SpatialDropout2D  # 修正之前的错误赋值
elif dropoutType == 'Dropout':
    dropoutType = Dropout

内容的提问来源于stack exchange，提问作者assa