TensorFlow自定义LSTM模型训练出现Shapes mismatch形状不匹配报错求助

问题根因 #

报错来自评估指标配置和模型输出维度不匹配：

• 你的模型最后一层是Dense(1, activation='sigmoid')，属于单输出二分类配置，每个样本仅输出1个0~1区间的概率值，对应正类概率，和你当前train_y的形状(52499,)适配
• 模型编译时传入的tfa.metrics.F1Score(num_classes=2)是针对双输出二分类/多分类场景的配置，要求模型最后一层输出2个值（对应两类的概率），计算指标时就会出现形状[2]和[1]不匹配的错误。

解决方案 #

方案1：保留单输出二分类配置，修改F1指标参数 #

仅修改编译时的metrics配置即可，无需改动模型结构和标签格式：

model.compile(
    loss=tf.keras.losses.BinaryCrossentropy(), 
    optimizer=opt, 
    metrics=[tfa.metrics.F1Score(num_classes=1, threshold=0.5)]
)

方案2：保留num_classes=2的配置，修改模型输出和标签格式 #

如果需要保留两类输出的配置，做两处调整：

1. 修改模型最后一层为2输出，激活函数替换为softmax：

layers = Dense(2, activation='softmax', bias_initializer=output_bias)(layers)

2. 对标签做one-hot编码，适配2输出的格式：

train_y = tf.one_hot(train_y, depth=2)
val_y = tf.one_hot(val_y, depth=2)

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