Keras MLP训练报错Dimensions must be equal维度不匹配问题求解

• 输出层维度和标签维度不匹配：你的回归任务每个样本对应2个预测目标，标签形状为(样本数, 2)，但输出层设置了10个神经元，导致模型输出形状为(batch_size, 10)，和标签的(batch_size, 2)在计算均方误差时无法对齐，触发维度不匹配报错。
• 修改损失为列表形式无法解决问题：该报错属于模型结构和数据标签的维度适配问题，和损失的传入格式无关。

报错中出现的数值8为你设置的batch_size，对应每个训练步输入的样本数量。

方案1：调整输出层维度（适配当前2维标签，优先级最高） #

将最后一层全连接层的神经元数量修改为2，和标签维度对齐即可，示例修改代码：

# 原错误输出层
# Dense(10, activation='linear')
# 修改后输出层
Dense(2, activation='linear')

方案2：调整标签维度（仅当你实际需要预测10个回归值时使用） #

如果你的业务场景确实需要输出10个预测值，说明你当前的标签生成逻辑有误，需要重新处理训练/验证标签，将y_train_np、y_val_np的形状调整为(样本数, 10)。

修改完成后重新编译模型即可正常训练。

内容的提问来源于stack exchange，提问作者AhSoHard