CNN图像分割训练报ValueError: Shape must be rank 2 but is rank 4求解

你使用的top_k_categorical_accuracy评估指标原生仅支持2维输入张量，格式为[batch_size, 类别数]，是为常规图像分类任务设计的。但图像分割场景下，你的模型输出和标注都是4维张量[batch_size, 高, 宽, 类别数]，和该指标的输入要求不匹配，因此触发维度错误。

可根据需求选择以下任意一种方案：

• 方案1：不需要top-k精度指标时，直接修改模型编译代码，移除top_k_categorical_accuracy即可正常训练：

theModel.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['categorical_accuracy'])

• 方案2：需要保留top-k精度时，自定义适配4维张量的分割版top-k精度指标，实现逻辑为把4维张量的空间维度展平，转为[batch_size*高*宽, 类别数]的2维格式后再调用原生计算逻辑：

import tensorflow as tf
def seg_top_k_categorical_accuracy(y_true, y_pred, k=2):
    # 展平H、W维度，适配top_k计算的输入要求
    y_pred_flat = tf.reshape(y_pred, (-1, tf.shape(y_pred)[-1]))
    y_true_flat = tf.reshape(y_true, (-1, tf.shape(y_true)[-1]))
    return tf.keras.metrics.top_k_categorical_accuracy(y_true_flat, y_pred_flat, k=k)

# 编译时传入自定义指标，3分类场景下k可设为2实现top2精度计算
theModel.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['categorical_accuracy', seg_top_k_categorical_accuracy])

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