基于MobileNetV2的犬种分类模型输入形状不兼容问题求助

• 核心问题：你定义的模型输入层形状(244,244,3)和数据集预处理时设置的图片尺寸(224,224)完全不匹配，这就是触发ValueError的直接原因，和数据集划分无关。
• 两种修复方案二选一即可：
  1. 修改模型输入层对齐预处理尺寸
     找到初始化MobileNetV2或自定义输入层的代码，将input_shape参数修正为(224,224,3)，示例代码：

     # 加载预训练MobileNetV2时修正输入形状
     base_model = MobileNetV2(include_top=False, input_shape=(224,224,3), weights='imagenet')
     # 如果是自定义输入层
     input_layer = tf.keras.layers.Input(shape=(224,224,3))
     

  2. 修改数据集预处理对齐模型输入层
     把图片预处理流程中的resize目标尺寸改成(244,244)，示例代码（以ImageDataGenerator为例）：

     train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
     train_dataset = train_datagen.flow_from_directory(
         'your_train_dir_path',
         target_size=(244,244),  # 修正为模型期望的尺寸
         batch_size=32,
         class_mode='categorical'
     )
     

• 验证修复：修改后重新构建模型，先取数据集的一个小批量数据（比如next(iter(train_dataset))）喂给model.predict测试，确认无形状报错后，再执行model.evaluate(train_dataset)。

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