运行TensorFlow WaveNet分类器出现Shape Mismatch错误如何解决？

问题根源 #

你的错误完全来自self.input_shape的赋值逻辑错误：
Keras输入层Input的shape参数仅需传入单条样本的形状，不需要包含训练集的总样本数维度，框架会自动在输入形状的最前面补充批量维度None。
你直接将训练集总形状(19296, 110250)赋值给self.input_shape，导致模型误以为每条输入样本的形状是(19296, 110250)，最终模型期望的整体输入形状为(批量大小, 19296, 110250)。而你实际训练时每个批次取32条样本，单批次的形状为(32, 110250)，和预期形状不匹配，因此抛出报错。

除此之外你还有一个隐藏的维度不匹配问题：你使用的Conv1D层要求输入形状为(时间步长, 通道数)，你的音频是单通道数据，当前单样本形状(110250,)缺少通道维度，也需要补充。

修复步骤 #

1. 修正输入形状定义
   将self.input_shape = X_train.shape修改为：

self.input_shape = (X_train.shape[1], 1)

含义为单条样本的时间步长为110250，通道数为1。

2. 调整训练集维度
   给X_train补充最后一维的通道维度：

import numpy as np
X_train = X_train[..., np.newaxis]

处理后X_train的总形状变为(19296, 110250, 1)，完全匹配模型输入要求。

3. 核对依赖项
   你代码中final_conv层的计算逻辑self.input_shape[0] / 8000在修改input_shape后，self.input_shape[0]取值为110250，刚好对应单样本的长度，符合原有逻辑，不需要额外调整。

内容的提问来源于stack exchange，提问作者Jeong