FaceNet三元组损失迁移学习报错：无法将160大小数组重塑为(3)形状

错误根源分析 #

你遇到的ValueError: cannot reshape array of size 160 into shape (3)核心原因很明确：Triplet Loss的训练逻辑要求每一批样本的总数必须是3的倍数——毕竟每个训练单元是一组三元组（Anchor/Positive/Negative）。

看你设置的批次参数：--people_per_batch 80 --images_per_person 2，计算下来单批次样本数是80*2=160，160无法被3整除，代码尝试把160个样本reshape成每组3个的结构时自然会触发错误。

具体解决步骤 #

1. 调整批次参数，确保总样本数是3的倍数

修改people_per_batch和images_per_person的组合，让两者的乘积能被3整除：

• 比如改成--people_per_batch 78 --images_per_person 2：78×2=156，156÷3=52，刚好可以分成52组三元组
• 或者--people_per_batch 60 --images_per_person 3：60×3=180，180÷3=60，也满足要求
• 核心原则：people_per_batch × images_per_person的结果必须是3的正整数倍

2. 修正命令中的参数格式错误

你的训练命令里有几处空格问题，会导致参数无法被正确解析：

• 错误写法：-- learning_rate 0.01、-- pretrained_model ...
• 修正后：--learning_rate 0.01、--pretrained_model ~/lab/experiments/facenet/model/20170512-110547/model-20170512-110547.ckpt-250000
  （注意--和参数名之间不能有空格）

3. 处理数据集总样本数的余数问题

你的LFW数据集共有3356张图，3356÷3=1118余2，这意味着训练到最后一批时会剩下2张图，同样会触发reshape错误。可以选一种方式处理：

• 手动补充1张图（比如复制任意一张已对齐的图像），让总样本数变成3357（3的倍数）
• 修改train_tripletloss.py的代码逻辑，在采样时跳过最后一批不足3个样本的情况，或者自动调整最后一批的采样数量

验证修改后的命令示例 #

修正后的完整训练命令可以是：

python src/train_tripletloss.py --logs_base_dir ~/lab/experiments/facenet/logs/facenet/ --models_base_dir ~/lab/experiments/facenet/models/facenet/ --data_dir ~/lab/experiments/noise_lfw_30_mtcnnalign_182_160 --image_size 160 --model_def models.inception_resnet_v1 --weight_decay 1e-4 --optimizer RMSPROP --learning_rate 0.01 --keep_probability 0.8 --random_crop --random_flip --pretrained_model ~/lab/experiments/facenet/model/20170512-110547/model-20170512-110547.ckpt-250000 --people_per_batch 78 --images_per_person 2 --gpu_memory_fraction 0.15

内容的提问来源于stack exchange，提问作者maguro