处理CIFAR数据时遇ValueError：形状(None,10,2)与(None,10)不兼容

错误ValueError: Shapes (None, 10, 2) and (None, 10) are incompatible的核心是标签数据维度与模型输出维度不匹配：模型最后一层输出为(None,10)（对应10类独热编码），但你的ytrain/ytest标签却变成了(None,10,2)，多了一维。

根本原因 #

调用np_utils.to_categorical(ytrain)时，输入的ytrain并非一维整数数组（比如形状为(N,1)或更高维度），导致独热编码后额外新增了一维。

修复步骤 #

1. 将标签转为一维整数数组
   在调用独热编码前，先扁平化标签数据：

ytrain = ytrain.flatten()
ytest = ytest.flatten()

2. 明确指定分类数进行独热编码
   调用to_categorical时手动指定分类数，避免自动推断出错：

ytrain = np_utils.to_categorical(ytrain, num_classes=numClasses)
ytest = np_utils.to_categorical(ytest, num_classes=numClasses)

3. 验证形状（可选）
   转换后打印标签形状确认是否符合要求：

print(ytrain.shape)  # 预期输出：(训练样本数, 10)
print(ytest.shape)   # 预期输出：(测试样本数, 10)

额外检查 #

若修复后仍有问题，检查CIFAR数据集加载步骤：
原始CIFAR-10的标签y是一维整数数组（如(50000,)），如果在train_test_split前对y做了reshape或其他处理，可能导致维度异常，需恢复为一维格式。

内容的提问来源于stack exchange，提问作者Spoopy