ResNet50迁移学习时global_average_pooling2d层维度不匹配报错如何解决？

你在初始化ResNet50时设置了pooling='avg'参数，该参数会让基础模型输出前自动执行全局平均池化操作，最终base_model.output的输出形状为(None, 2048)，是2维张量。而你后续又添加了GlobalAveragePooling2D()层，该层要求输入必须是4维张量（形状为(批次大小, 高度, 宽度, 通道数)），两者维度不匹配，因此触发报错。

两种方案任选其一即可正常运行：

• 方案1：移除ResNet50初始化时的pooling='avg'参数，保留后续的GlobalAveragePooling2D()层。修改后的基础模型初始化代码为：

base_model = ResNet50(include_top = False, weights = 'imagenet')

• 方案2：移除后续单独添加的GlobalAveragePooling2D()层，直接用base_model.output接入全连接层。修改后的模型构建部分代码为：

base_model = ResNet50(include_top = False, weights = 'imagenet', pooling='avg')
x = base_model.output
x = Dense(1024, activation = 'relu')(x)
predictions = Dense(train_generator.num_classes, activation = 'softmax')(x)
model = Model(inputs = base_model.input, outputs = predictions)

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