如何修复TensorFlow训练数据做数据增强时的形状不匹配报错？

这个错误是卷积层输出的特征图维度和后续Flatten层、全连接层要求的维度不匹配导致的，和你调整数据增强时修改了输入图像尺寸直接相关：

• 错误日志中Input to reshape is a tensor with 663552 values, but the requested shape requires a multiple of 30976说明：卷积层输出的所有特征图加起来总共有663552个参数，但Flatten层之后的全连接层要求输入参数数量必须是30976的倍数，二者无法对齐，因此reshape操作失败。
• 你提到未启用数据增强时模型可以正常运行，说明你之前训练用的图像尺寸和现在flow_from_directory中设置的target_size=(150, 150)不一致，输入尺寸变化会导致经过卷积、池化后的特征图尺寸同步变化，拉平后的维度自然和你之前定义好的全连接层输入维度匹配不上。

另外你的代码还有两个明显的配置错误也可能触发维度异常：

1. 训练和验证生成器都使用了同一个directory_testData路径，训练验证数据混同的同时，如果测试集图像尺寸和训练集原本的尺寸不一致，也会导致维度报错。
2. steps_per_epoch、validation_steps设置的数值如果远大于你的数据集实际能提供的批次数量，生成器循环输出时也可能出现维度异常。

按以下优先级排查修正即可：

• 首先对齐输入尺寸，二选一即可：
  1. 调整flow_from_directory中的target_size参数，和你未启用数据增强时的训练图像尺寸保持一致，保证卷积层输出的特征图维度和之前正常运行时的维度相同。
  2. 如果你确认要使用150*150作为输入尺寸，需要重新计算经过所有卷积、池化层后的特征图尺寸，调整Flatten层之后的全连接层的输入维度适配新的特征图大小。
     可以先运行以下调试代码确认维度差异：

  # 查看当前数据生成器输出的单批次图像形状
  for x, y in train_generator:
      print("当前生成器输出图像形状：", x.shape)
      break
  # 查看模型各层输出形状，确认卷积层输出维度
  model.summary()
  

• 修正数据集目录配置：训练生成器使用训练集路径，验证生成器使用独立的验证集路径，不要混用测试集路径做训练。
• 调整步数参数：按照实际样本数 // batch_size的规则设置steps_per_epoch和validation_steps，不要设置远大于实际数据集容量的数值。比如训练集有6400张图，batch_size=32的话，steps_per_epoch就设为200即可。

内容的提问来源于stack exchange，提问作者user17020095