Keras训练CNN-GRU模型报错ValueError: Dimensions must be equal求助

• 首先调用model.summary()查看模型各层输出形状，会发现最终输出形状为(None, 23, 3)，而你的y_train形状为(None, 3)，多了中间的23维时间步维度，这就是维度不匹配的直接原因。
• 维度多余的原因：你所有GRU层都设置了return_sequences=True，该参数会让GRU返回每个时间步的输出，保留时间步维度；而你的训练目标是单样本的3维输出，不需要保留时间步维度。

有两种常用修复方案，选其中一种即可：

方案1：添加全局池化层消除时间步维度（推荐，特征损失更小） #

在拼接双向GRU输出后，新增全局1维池化层消去时间步维度，修改代码如下：

# 原拼接代码保留
gru_concat = concatenate([gru_2, gru_2b])
# 新增如下行，消除时间步维度
inner = layers.GlobalAveragePooling1D()(gru_concat)
# 后续Dense层不变
inner = layers.Dense(30, activation='LeakyReLU')(inner)
inner = layers.Dense(10, activation='LeakyReLU')(inner)
inner = layers.Dense(3, activation='LeakyReLU')(inner)

方案2：仅在最后一个GRU关闭return_sequences #

如果不需要中间层的序列输出，也可以将最后一层双向GRU的return_sequences改为False，输出直接变为2维张量，无需额外池化。

你当前硬编码Reshape的尺寸(23,2336)容易因后续修改输入、卷积参数而出错，建议改为动态计算形状：

# 替换原硬编码的Reshape行
conv_output_shape = conv_extractor.shape
conv_extractor = layers.Reshape(target_shape=(conv_output_shape[1], conv_output_shape[2]*conv_output_shape[3]))(conv_extractor)

修改完成后可以先调用print(model.output.shape)验证输出形状是否为(None, 3)，确认匹配后再启动训练即可。

内容的提问来源于stack exchange，提问作者jr123456jr987654321