ValueError:Data cardinality is ambiguous 样本量不匹配报错如何解决

这个报错是深度学习训练的基础规则触发的：

• 框架调用fit()训练时，要求输入特征x和标签y的第一维度（即样本总数量）必须完全相等，每一条输入特征要对应唯一的一条标签
• 你当前输入self.data_inputs的第一维度是3，也就是框架判定你有3条训练样本；但标签self.data_outputs的第一维度是13，框架判定你有13条标签，二者数量不匹配，框架无法确定3个输入和13个标签的对应关系，因此提示ambiguous（数据对应关系含糊不清）

你的输入构造逻辑出错了：

self.data_inputs = np.array([[self.car_location], [self.car_velocity], [self.ball_location]]).astype(np.float)

这段代码把车辆位置、车辆速度、球位置三个特征各自作为独立的样本堆叠，最终得到的self.data_inputs形状是(3, 1, 特征维度)，第一维度样本数为3。而你构造的输出是长度为13的一维数组，形状为(13,)，样本数为13，二者完全不匹配。

你应该是要把车辆位置、速度、球位置三个特征拼接为1条样本的全部特征，对应1条13维的动作标签，修改代码如下：

# 把三个特征拉平后拼接，外层再加一层维度代表样本数为1
self.data_inputs = np.array([np.concatenate([self.car_location, self.car_velocity, self.ball_location])]).astype(np.float)
# 给输出标签也加外层维度，代表1条样本的标签
self.data_outputs = np.array([[1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0]]).astype(np.float)

修改后输入形状为(1, 特征总维度)，输出形状为(1, 13)，二者样本数均为1，即可正常训练。

内容的提问来源于stack exchange，提问作者wookieluvr49