Keras模型fit时报ValueError: Shapes (32, 147)与(32, 2)不兼容求助

你在定义最后一层全连接层的输出维度时，错误使用了len(np.unique(y))计算类别数。由于你的y_train是形状为(3360,147)的one-hot编码数组，数组内只有0和1两种值，np.unique(y)返回的是[0,1]，长度为2，所以最后一层输出维度被设为2，和标签的147维不匹配，直接触发形状不兼容报错。

你之前换用sparse_categorical_crossentropy后准确率极低，是因为该损失函数要求输入标签是形状为(样本数,)的整数序列，和你当前的one-hot标签格式完全不匹配。

• 修正最后一层的输出维度，直接取y_train的第二个维度值作为类别数即可，无需用np.unique计算
• 损失函数保持原来的categorical_crossentropy即可，该损失本身就是适配one-hot编码标签的
• 可选校验步骤：运行print(y_train.shape[1], len(np.unique(np.argmax(y_train, axis=1))))确认两个值相等，均为147，确保标签编码没有问题

修正后的完整代码如下：

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),activation='relu',input_shape=(28,28,1)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
# 修正输出维度
model.add(Dense(y_train.shape[1], activation='softmax'))

model.compile(loss='categorical_crossentropy',optimizer='Adam',metrics=['accuracy'])

model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test))

内容的提问来源于stack exchange，提问作者user3734568