TensorFlow.js二分类fitDataset训练logits与labels形状不匹配问题

报错的核心是标签张量与模型输出张量形状不匹配：

• 模型最后一层是units=1的sigmoid激活输出，单批次（batch size=2）的输出形状为[2, 1]
• 直接从数组生成的标签经过batch操作后，单批次形状为[2]
• 二元交叉熵损失要求两者形状完全一致，因此触发错误。

只需在数据集构造阶段增加一步维度对齐操作即可，修改数据集构造的代码段：

// 原代码
// const xyDataset = tf.data.zip({xs: xDataset, ys: yDataset}).batch(2).shuffle(2)

// 修改后代码
const xyDataset = tf.data.zip({xs: xDataset, ys: yDataset})
  // 给每个标签增加最后一维，从标量转为[1]形状的张量
  .map(sample => ({
    xs: sample.xs,
    ys: tf.expandDims(sample.ys, -1)
  }))
  .shuffle(4)
  .batch(2)

修改后标签的批次形状会变为[2, 1]，和模型输出形状完全匹配，即可正常训练。额外调整了shuffle和batch的顺序，符合数据集处理的常规规范，避免打乱批次内部的样本对应关系。

内容的提问来源于stack exchange，提问作者Vasiliy