TensorFlow Sequential模型输入维度不匹配报错求助

维度报错的核心原因 #

报错信息明确说明模型接收到的输入最后一维为28，和你设定的输入维度2499不匹配，你首先需要确认输入数据的实际维度，运行以下代码打印：

print(待输入模型的数组名.shape)

你预期输入形状为(72,2499)，但实际预处理、加载数据的过程中大概率出现了操作失误，比如误切片取了部分特征、reshape参数写错、数据集加载错误等，导致最终送入模型的数据维度不符合预期。

你提供的代码本身存在多处错误，也会引发后续运行问题 #

• 变量名不统一：你定义的激活函数列表变量名为activation，后续调用时错误写为actv，运行时会直接触发变量未定义报错
• 循环逻辑错误：你在隐藏层的循环内重复添加输出层，会导致模型结构冗余异常，正确逻辑应该是隐藏层全部添加完成后，单独加一次输出层
• 激活函数索引越界风险：你的activation列表只有3个元素，原代码循环中直接取actv[x]会出现索引值超过列表长度的问题

修正后的模型构建代码： #

import tensorflow as tf
from tensorflow.keras.layers import Dense

layers = [2499, 689, 363, 192]
activation = ["relu", "relu", "sigmoid"]
# 构建模型
model = tf.keras.Sequential()
# 添加输入层+第一层隐藏层
model.add(Dense(layers[1], input_shape=(layers[0],), activation=activation[0]))
# 添加后续隐藏层
for layer_idx in range(2, len(layers)-1):
    model.add(Dense(layers[layer_idx], activation=activation[layer_idx-1]))
# 添加最终输出层
model.add(Dense(layers[-1], activation=activation[-1]))

修正代码后确认输入数据维度确实为(72,2499)，再运行训练即可解决报错。

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