Keras分支多输出模型报错：conv2d_1输入维度不兼容

1. 检查训练数据的传入方式 #

确认model.fit的参数是否正确。如果是多输出模型，不要把标签数据混入输入参数里。比如错误传入x=[X_train, y_age]会导致2维的标签数据被送到卷积层，引发维度不匹配。正确写法应该是：

model.fit(x=X_train, y=[y_age, y_gender], epochs=10, batch_size=32)

其中y_age、y_gender是对应两个输出的标签数据。

2. 排查模型分支的连接逻辑 #

查看conv2d_1的输入来源，是否错误地连接到了Dense层这类输出为2维的层，而非卷积/池化层的4维输出。比如以下错误写法会直接触发报错：

# 错误示例：将Dense层输出接入Conv2D
base = Conv2D(32, (3,3))(input_layer)
base = MaxPooling2D()(base)
wrong_dense = Dense(1)(base)
conv2d_1 = Conv2D(64, (3,3))(wrong_dense)  # 这里输入是2维，不符合Conv2D要求

正确的分支构建应该从共享的卷积基输出分叉：

# 正确示例：共享卷积基，分支从卷积层输出延伸
input_layer = Input(shape=(128,128,3))
# 共享卷积部分
x = Conv2D(32, (3,3), activation='relu')(input_layer)
x = MaxPooling2D((2,2))(x)
# 年龄分支
age_branch = Conv2D(64, (3,3), activation='relu')(x)
age_branch = Flatten()(age_branch)
age_branch = Dense(64, activation='relu')(age_branch)
age_output = Dense(1, name='age')(age_branch)
# 性别分支
gender_branch = Conv2D(64, (3,3), activation='relu')(x)
gender_branch = Flatten()(gender_branch)
gender_branch = Dense(64, activation='relu')(gender_branch)
gender_output = Dense(1, activation='sigmoid', name='gender')(gender_branch)
# 组装模型
model = Model(inputs=input_layer, outputs=[age_output, gender_output])

3. 检查是否意外压缩了维度 #

如果在分支中提前使用了Flatten或GlobalAveragePooling2D，会把4维的卷积输出压缩为2维，后续无法再接需要4维输入的Conv2D层。如果分支需要继续做卷积操作，必须保持特征图的4维形状。

4. 用模型摘要定位问题 #

调用model.summary()查看每一层的输入输出形状，找到conv2d_1对应的行，检查它的上游层输出是否为4维格式(None, height, width, channels)，快速定位维度异常的源头。

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