Keras全连接模型预测输出形状不符、维度匹配报错求助

问题核心原因 #

Keras的Dense全连接层默认仅对输入张量的最后一个维度做全连接计算，输入的其他所有维度都会被完整保留到输出中。你当前配置的input_shape=(3040,1)，单条样本的维度结构是[序列长度, 特征数]，Dense层仅作用在大小为1的特征维度上，因此长度为3040的序列维度会一直保留到输出层，导致最终输出不符合你要单个值的预期。

你遇到的三个现象的具体说明 #

• 输入形状为(1,3040,1)时，第一个维度是批量大小，中间3040是序列长度，最后1是特征数，经过所有Dense层后保留了序列维度，因此输出形状为(1,3040,1)。
• 输入形状为(3040,1)时，Keras会默认把第一个维度识别为批量大小，相当于传入3040条形状为(1,)的样本，匹配你定义的输入维度逻辑后输出就会是(3040,1,1)。
• 输入形状为(1,3040)时，输入的最后一个维度大小为3040，和你模型要求的输入最后一个维度大小为1不匹配，因此抛出维度不兼容报错。

解决方案 #

根据你的数据实际含义选择对应方案即可，最终都能得到形状为(样本数, 1)的输出。

方案1：数据为普通一维特征（无序列/时间步含义） #

这是最常用的场景，直接修改模型第一层的输入形状配置：

model = Sequential()
# input_shape改为(3040,)，代表单条样本是长度为3040的一维特征，无额外维度
model.add(Dense(units = 3040, input_shape = (3040,), activation='relu'))
model.add(Dense(units = 2027, activation='relu'))
model.add(Dense(units = 1, activation = 'sigmoid'))

输入数据调整为形状(样本数, 3040)即可，单条样本预测传入(1, 3040)就能得到单个0-1的概率值。

方案2：数据为序列结构（有时间/序列步含义） #

如果你的数据确实是长度为3040的序列，每个步对应1个特征，不需要修改输入形状，只需要添加降维层把序列维度压缩即可：

from tensorflow.keras.layers import Flatten
model = Sequential()
model.add(Dense(units = 3040, input_shape = (3040,1), activation='relu'))
model.add(Flatten()) # 将二维的序列特征压平为一维向量
model.add(Dense(units = 2027, activation='relu'))
model.add(Dense(units = 1, activation = 'sigmoid'))

该方案下输入仍为(样本数, 3040, 1)，输出为(样本数, 1)，符合预期。

内容的提问来源于stack exchange，提问作者ROgercad