Keras序列模型输入形状设置与实际输入shape不匹配报错咨询

错误原因 #

你给InputLayer传入的input_shape参数格式错误，Keras的输入层input_shape参数仅需要指定单条样本的维度，不需要包含数据集的总样本数维度：

• 你的X_train_1形状是(2000, 20)，其中第一个维度是总样本数，第二个维度是单条样本的特征数
• 你直接传入X_train_1.shape作为input_shape，Keras会默认在最前面补一个batch维度，最终模型期待的输入形状为(None, 2000, 20)（三维）
• 实际训练时每个batch输入的形状是(batch_size, 20)（比如报错里的(32, 20)，是二维），维度不匹配就触发了报错。

修复方法 #

把input_shape参数修改为单条样本的维度即可，有两种写法可以选：

1. 直接指定特征数：input_shape=(20,)
2. 取X_train_1的特征维度：input_shape=X_train_1.shape[1:]

修改后的函数定义开头如下：

def build_model_1(n_hidden = 1, n_neurons = 30, learning_rate = 3e-3, input_shape = X_train_1.shape[1:]):

其他潜在问题提醒 #

你当前的代码还有两个隐含问题需要调整，避免后续报错：

• 标签如果是1-10的整数编码，没有做one-hot转换的话，需要把损失函数从categorical_crossentropy换成SparseCategoricalCrossentropy，否则会出现维度不匹配报错
• 你当前给metrics参数传入的是嵌套列表：先定义了metric = [tf.keras.metrics.Accuracy()]，编译时又写了metrics=[metric]，多套了一层列表，直接传metrics=metric即可。

内容的提问来源于stack exchange，提问作者user1393214