TensorFlow 2.0 LSTM模型Anaconda环境报错，Colab运行正常求助

这问题我之前也踩过坑！核心原因是你的目标数据形状和模型输出形状不匹配，Colab能跑大概率是你在那边的y_train维度已经调整过，或者环境里TF的默认行为有细微差异，但本质还是形状对齐的问题。

先拆解报错信息：

ValueError: A target array with shape (260, 1, 5) was passed for an output of shape (1, 5) while using as loss mean_squared_error . This loss expects targets to have the same shape as the output.

你的模型定义里，batch_input_shape=(1,10,5)且stateful=True，所以每个batch的输入是(1,10,5)，经过LSTM和Dense层后，模型的输出形状是(1,5)。但你的y_train_data是(260,1,5)——多了一个不必要的中间维度，导致每个batch的目标形状变成(1,1,5)，和模型输出的(1,5)完全对不上，自然触发损失函数的形状校验错误。

直接解决方案：调整目标数据的形状 #

用reshape去掉y_train里多余的中间维度就行：

y_train = y_train_data.reshape((260, 5))

调整后y_train的形状变成(260,5)，和模型每个batch输出的(1,5)就能完美匹配——fit函数会按batch_size=1逐个取样本，每个样本的目标形状是(5,)，对应模型输出的(1,5)（batch维度会自动对齐）。

额外提醒（Stateful LSTM必做） #

因为你用了stateful=True，训练完每个epoch后一定要重置模型状态，不然上一个epoch最后一个样本的状态会延续到下一个epoch，导致训练逻辑混乱：

Model_10.fit(x_train, y_train, epochs=1, batch_size=1, verbose=2, shuffle=False, callbacks=[history])
Model_10.reset_states()  # 每个epoch结束后必须执行这一步

为什么Colab能正常运行？ #

大概率是你在Colab环境中，y_train的形状已经是(260,5)（可能预处理时已经调整过），或者你使用的TF版本在形状兼容上更宽松，但Anaconda环境的TF2.0严格执行了形状匹配要求，所以才会报错。

内容的提问来源于stack exchange，提问作者Gnuseek