Keras搭建CNN模型时MaxPooling层出现负维度错误如何解决？

1. 核心问题：数据格式配置与代码输入不匹配 #

你的运行环境默认将Keras的数据格式设置为了channels_first（NCHW格式），但你编写代码时按照默认channels_last（NHWC格式）的规则定义了输入形状，导致维度解析完全错位：

• NCHW格式的张量维度规则为(样本数, 通道数, 高度, 宽度)，你写的input_shape=(32,32,3)会被解析为「通道数32、高度32、宽度3」，而不是你以为的「高度32、宽度32、通道数3」。

2. 负维度推导过程 #

卷积/池化层使用VALID无填充模式时，输出尺寸计算公式为：输出尺寸 = floor((输入尺寸 - 核尺寸)/步长) + 1，按照NCHW格式逐层计算可复现问题：

• 第一层Conv2D使用3x3卷积核，默认步长为1，输出尺寸：
  高度方向：floor((32-3)/1)+1=30，宽度方向：floor((3-3)/1)+1=1，输出shape为(None, 32, 30, 1)，和你报错中提到的池化层输入形状完全一致。
• 执行MaxPooling2D层时，池化核尺寸为2、步长为2，宽度方向输入尺寸仅为1，代入公式得到：floor((1-2)/2)+1 = -1 +1 = 0，后续如果还有卷积/池化层继续对宽度维度做计算，就会出现1减2得到负维度的报错。

3. 附带可修复的代码问题 #

你的模型是10分类任务，输出用了softmax激活，损失函数应该用categorical_crossentropy（标签为one-hot编码）或者sparse_categorical_crossentropy（标签为整数编码），而不是二分类场景使用的binary_crossentropy。

• 方案1：显式指定所有卷积、池化层的data_format为channels_last，和你写的input_shape匹配，示例：layers.Conv2D(32,3, activation='relu', input_shape=(32,32,3), data_format='channels_last')，池化层同理添加参数即可。
• 方案2：修改input_shape适配NCHW格式：把input_shape=(32,32,3)改为input_shape=(3,32,32)。
• 方案3：全局修改Keras默认数据格式：找到keras.json配置文件，修改"image_data_format"的值为"channels_last"。

内容的提问来源于stack exchange，提问作者Raksh RB