使用MobileNetV2搭建图像分类器出现输入维度不匹配报错如何解决？

报错核心原因 #

你的数据批次构造逻辑错误，导致输入模型的批量数据维度不符合要求：
模型要求的输入维度是 (batch_size, 高度, 宽度, 通道数) 即(None, 160, 160, 3)，但你实际喂入的批次维度是(32, 160, 3)，少了一个高度/宽度维度，说明你把32张单张为(160,160,3)的图像堆叠成批次时，没有在最前面新增batch维度，反而沿着图像的高度/宽度维度做了拼接。

排查修复方案 #

• 检查自定义数据生成器的批次拼接逻辑：
  如果你是手动把单张图像组合成批次，不要直接用np.concatenate拼接未扩展维度的单张图，正确做法是先给每张单图新增batch维度后再拼接，或者直接用np.stack沿第0维堆叠：

  # 错误写法示例
  # batch = np.concatenate([img1, img2, ..., img32]) # 会得到(32*160,160,3)或者(160, 32*160,3)，调整后就会出现你遇到的(32,160,3)问题
  
  # 正确写法：单图列表每个元素形状为(160,160,3)，沿第0维堆叠成批次
  batch = np.stack([img1, img2, ..., img32], axis=0)
  # 输出形状为(32, 160, 160, 3)，符合模型要求
  

• 如果你用tf.data.Dataset构造数据管道：
  检查resize操作的输入参数是否正确设置为(160,160)，确认你调用了batch(32)方法来自动给数据加batch维度。

额外代码问题提醒 #

你当前的损失函数配置存在参数不匹配问题：输出层已经设置了activation="softmax"，说明输出是经过归一化的概率值，损失函数里的from_logits=True需要改为from_logits=False，否则会导致损失计算错误，影响模型收敛效果。

内容的提问来源于stack exchange，提问作者belen