Google Colab用Keras训练模型报错：MSE损失下目标与输出形状不匹配

问题原因 #

这个报错的核心是模型输出维度与训练标签维度不匹配。你使用的均方误差损失要求模型输出形状和标签形状完全一致，当前你的训练标签单样本维度为1，总形状为(600,1)，但模型单样本输出维度为16，输出总形状为(None,16)，因此触发了维度校验错误。

解决步骤 #

• 优先检查模型最后一层的配置：如果你做的是单值回归任务（TinyML入门示例大多属于这类场景），将最后一层全连接层的输出单元数改为1即可，示例写法为Dense(1)。你可以运行print(model_1.summary())打印完整模型结构，确认最后一层的输出形状是否为(None, 1)。
• 如果最后一层配置无问题，检查是否遗漏了输出层、或者误将输出维度为16的中间层当成了输出层。
• 你也可以运行print(y_train.shape)确认标签形状是否正常，如果标签维度存在异常，可以通过y_train = y_train.reshape(-1, 1)手动修正维度。

调整完成后重新编译模型，再运行训练代码即可正常执行。

内容的提问来源于stack exchange，提问作者Jbc0510