TensorFlow.Keras训练报错：输入形状显示为()但实际为(768,8)

嘿，我一眼就揪出问题所在啦！你的输入数据形状其实完全没问题——X.shape=(768,8)完美匹配模型第一层input_shape=(8,)的要求，y.shape=(768,1)也符合二分类任务的标签格式，报错的锅根本不在数据维度上。

错误核心：validation_data参数用错了 #

你在model.fit()里写了validation_data = 0.1，但这个参数的正确用法是传入包含验证集特征和标签的元组（比如(X_val, y_val)）；如果你只是想从训练集里自动拆分出10%作为验证集，应该用的是validation_split=0.1这个参数，而不是validation_data。

当你把validation_data设成单独的数值0.1时，Keras会误把这个标量当成输入数据，它的形状是()，自然和模型期望的2维输入不匹配，才会弹出这个让你困惑的报错。

修正后的代码 #

只需要修改fit方法的参数即可：

model.fit(X, y, batch_size = 16, epochs = 1, validation_split = 0.1)

额外补充：手动指定验证集的正确方式 #

如果你已经自己拆分好了训练集和验证集，validation_data的正确用法是这样的：

# 先拆分数据（示例）
from sklearn.model_selection import train_test_split
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.1, random_state=20)

# 传入验证集元组
model.fit(X_train, y_train, batch_size = 16, epochs = 1, validation_data=(X_val, y_val))

这样运行起来就不会有问题啦！

内容的提问来源于stack exchange，提问作者Togagiga