TF Keras全连接网络张量尺寸问题：训练时Flatten层报错

问题描述 #

使用尺寸为(181,181,1)的灰度图像，通过flow_from_dataframe构建数据生成器，模型定义输入形状为(181,181,1)，但训练时出现如下错误：

Node: 'myModel/flatten_17/Reshape'
Input to reshape is a tensor with 3145728 values, but the requested shape requires a multiple of 32761
[[{{node myModel/flatten_17/Reshape}}]] [Op:__inference_train_function_731522]

模型摘要显示Flatten层输出应为(None, 32761)（即181×181），但实际输入张量的总元素数3145728无法被32761整除，说明生成器输出的图像尺寸与模型输入不匹配。

解决步骤 #

1. 确认数据生成器的实际输出形状 #

训练前先打印一批数据的形状，验证生成器是否正确输出(181,181,1)的图像：

import tensorflow as tf

x_batch, y_batch = next(trainData)
print(f"输入图像形状：{x_batch.shape}")
# 正常输出应为 (64, 181, 181, 1)，若不符则说明resize未生效

2. 排查图像resize失效原因 #

• 检查train_generator是否为tf.keras.preprocessing.image.ImageDataGenerator的实例，确保没有自定义预处理逻辑覆盖了image_size参数的resize行为
• 验证DataFrame中Path列的图像是否可正常打开，部分损坏或格式异常的图像可能导致resize失败
• 尝试更换interpolation参数为'bilinear'，避免'nearest'插值在特殊图像尺寸下的兼容性问题

3. 强制在模型中统一输入尺寸 #

如果生成器无法稳定输出目标尺寸，可在模型中添加Resizing层，强制将输入图像resize到(181,181)：

from tensorflow.keras import Sequential, layers
from tensorflow.keras.layers import Dense

model = Sequential([
    layers.Rescaling(scale=1./255, offset=-1, input_shape=(None, None, 1)),  # 兼容任意输入尺寸
    layers.Resizing(181, 181),  # 强制统一到目标尺寸
    layers.Flatten(),
    Dense(units=90, activation='relu', kernel_initializer='he_normal', bias_initializer=biasInitializer),
    Dense(units=45, activation='relu', kernel_initializer='he_normal', bias_initializer=biasInitializer),
    Dense(units=20, activation='softmax', kernel_initializer='he_normal', bias_initializer=biasInitializer)
], name='myModel')

4. 验证模型输入输出逻辑 #

构建模型后，用随机张量测试模型是否能正常运行：

test_input = tf.random.normal((64, 181, 181, 1))
test_output = model(test_input)
print(f"模型输出形状：{test_output.shape}")
# 正常输出应为 (64, 20)，确认模型逻辑无问题

内容的提问来源于stack exchange，提问作者mhk777