测试时Tensor shape与目标值不匹配，MobileNetV2二分类模型报错

你代码里存在4处配置错误，逐一修正即可通过测试：

• 错误1：MobileNetV2的input_shape参数传了None，导致模型无法静态推断输出特征图的宽高维度，输出shape的宽高位显示为None，和测试预期的(None, 5, 5, 1280)不匹配，需传入你提前计算好的input_shape变量。
• 错误2：include_top参数传了None，该参数为布尔值，用于控制是否加载预训练模型顶部的全连接分类层，迁移学习提取特征时需设置为False。
• 错误3：weights参数传了None，不符合加载ImageNet预训练权重的要求，需设置为'imagenet'。
• 错误4：输出层配置不符合测试规则，测试预期为1个神经元的线性输出，你当前配置为2个神经元加softmax激活，需改为单神经元输出，默认激活即为linear。

修正后的核心代码如下：

### START CODE HERE
# 修正base_model初始化参数
base_model = tf.keras.applications.MobileNetV2(input_shape=input_shape,
                                               include_top=False,
                                               weights='imagenet')

# 中间其他代码保持不变

# 修正输出层配置
prediction_layer = tf.keras.layers.Dense(1)(x)
### END CODE HERE

修改后重新运行测试即可通过校验。

内容的提问来源于stack exchange，提问作者Nick X Tsui