TensorFlow训练Graph execution error求助：logits与labels维度不匹配

错误根源 #

报错logits_size=[16,5] labels_size=[16,11]明确说明：模型最后一层输出的类别数（5）和数据集实际的类别数（11）不匹配，导致损失计算时两者无法进行广播运算，直接终止训练。

解决步骤 #

• 确认数据集类别数：从labels的形状[16,11]可验证，你的数据集实际包含11个类别，需确保数据加载逻辑未错误过滤类别。
• 修改模型输出层：找到模型定义的最后一层Dense层，将units参数从5改为11。示例：
  原代码若为：

  model.add(Dense(5, activation='softmax'))
  

  修改为：

  model.add(Dense(11, activation='softmax'))
  

• 匹配损失函数与标签格式：如果标签是one-hot编码（形状[batch_size,11]），损失函数使用CategoricalCrossentropy；如果是整数标签（形状[batch_size]），则使用SparseCategoricalCrossentropy，确保两者对应。
• 验证模型结构：修改后运行model.summary()，确认最后一层输出维度为(None, 11)，与标签形状匹配。

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