MobileNet V1模型报错：Shapes (None,None)与(None,8,2,19)不兼容

报错原因 #

你的报错ValueError: Shapes (None, None) and (None, 8, 2, 19) are incompatible来自两个核心问题：

1. 池化层维度格式不匹配：你在AvgPool2D中使用了data_format='channels_first'，但模型输入是(256,256,3)（默认channels_last格式，即高度、宽度、通道），这会导致池化层处理维度时顺序混乱，输出形状异常。
2. 全连接层输入未扁平化：经过前面的网络层后，特征图是(8,8,1024)的空间形状，直接接Dense层会让全连接层仅作用于最后一维（通道维度），输出形状变成(None,8,2,19)，和标签的(None,19)无法匹配。

修复后的代码 #

# MobileNet block
def mobilnet_block(x, filters, strides):
    x = DepthwiseConv2D(kernel_size=3, strides=strides, padding='same')(x)
    x = BatchNormalization()(x)
    x = ReLU()(x)
    
    x = Conv2D(filters=filters, kernel_size=1, strides=1)(x)
    x = BatchNormalization()(x)
    x = ReLU()(x)
    
    return x

# stem of the model
input = Input(shape=(256,256,3))
x = Conv2D(filters=32, kernel_size=3, strides=2, padding='same')(input)
x = BatchNormalization()(x)
x = ReLU()(x)

# main part of the model
x = mobilnet_block(x, filters=64, strides=1)
x = mobilnet_block(x, filters=128, strides=2)
x = mobilnet_block(x, filters=128, strides=1)
x = mobilnet_block(x, filters=256, strides=2)
x = mobilnet_block(x, filters=256, strides=1)
x = mobilnet_block(x, filters=512, strides=2)
for _ in range(5):
     x = mobilnet_block(x, filters=512, strides=1)
x = mobilnet_block(x, filters=1024, strides=2)
x = mobilnet_block(x, filters=1024, strides=1)

# 替换为全局平均池化，自动将空间维度压缩为单值，输出形状为(None, 1024)
x = GlobalAveragePooling2D()(x)
output = Dense(units=19, activation='softmax')(x)

model = Model(inputs=input, outputs=output)
model.summary()

关键修改点 #

• 移除AvgPool2D，改用GlobalAveragePooling2D：它会对每个通道的所有空间元素取平均值，将(8,8,1024)的特征图转化为(1024)的向量，完美适配全连接层的输入要求。
• 去掉data_format='channels_first'，保持和输入一致的channels_last格式，避免维度顺序错误。

如果你坚持要用AvgPool2D，也可以做如下修改：

# 先将特征图扁平化，再接全连接层
x = AvgPool2D(pool_size=7, strides=1, padding='same')(x)  # 去掉channels_first
x = Flatten()(x)
output = Dense(units=19, activation='softmax')(x)

不过这种方式不如全局平均池化简洁，也容易因输入尺寸变化导致形状问题，更推荐前者。

内容的提问来源于stack exchange，提问作者Rubi Choudhary