基于TensorFlow的CNN训练形状不匹配问题排查与解决

我最近在用TensorFlow构建一个基于224×172尺寸RGB图像的CNN模型时踩了好几个维度匹配的坑，这里把整个排查和解决过程整理出来，希望能帮到遇到类似问题的人：

初始模型与第一个错误 #

我的初始模型是基于MNIST的CNN结构修改的，针对RGB图像调整了输入通道数，核心代码如下：

def deepnn(x):
    depth = 3
    with tf.name_scope('reshape'):
      x_image = tf.reshape(x, [-1, 224, 172, depth])

    # 第一层卷积池化
    with tf.name_scope('conv1'):
      W_conv1 = weight_variable([5, 5, depth, 32])
      b_conv1 = bias_variable([32])
      h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
    with tf.name_scope('pool1'):
      h_pool1 = max_pool_2x2(h_conv1)

    # 第二层卷积池化
    with tf.name_scope('conv2'):
      W_conv2 = weight_variable([5, 5, 32, 64])
      b_conv2 = bias_variable([64])
      h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
    with tf.name_scope('pool2'):
      h_pool2 = max_pool_2x2(h_conv2)

    # 全连接层
    with tf.name_scope('fc1'):
      W_fc1 = weight_variable([56 * 42 * 64, 1024])
      b_fc1 = bias_variable([1024])
      h_pool2_flat = tf.reshape(h_pool2, [-1, 56 * 42 * 64])
      h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

    # Dropout与输出层
    with tf.name_scope('dropout'):
      keep_prob = tf.placeholder(tf.float32)
      h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)
    with tf.name_scope('fc2'):
      W_fc2 = weight_variable([1024, 1])
      b_fc2 = bias_variable([1])
      y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

    return y_conv, keep_prob

但训练时直接报错：

Cannot feed value of shape (10, 1, 1, 1) for Tensor 'Placeholder_1:0', which has shape '(?, 1)'

我推测是模型输入/输出维度和数据集的标签维度不匹配，于是开始调整模型结构。

修改模型后的第二个错误 #

我误把输入通道改成了单通道（本来是RGB图像），同时调整了全连接层的维度和输出类别数，修改后的核心部分代码：

def deepnn(x):
    with tf.name_scope('reshape'):
      x_image = tf.reshape(x, [-1, 224, 172, 1])

    with tf.name_scope('conv1'):
      W_conv1 = weight_variable([5, 5, 1, 32])
      b_conv1 = bias_variable([32])
      h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
    with tf.name_scope('pool1'):
      h_pool1 = max_pool_2x2(h_conv1)

    with tf.name_scope('conv2'):
      W_conv2 = weight_variable([5, 5, 32, 64])
      b_conv2 = bias_variable([64])
      h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
    with tf.name_scope('pool2'):
      h_pool2 = max_pool_2x2(h_conv2)

    with tf.name_scope('fc1'):
      W_fc1 = weight_variable([28 * 43 * 64, 1024])
      b_fc1 = bias_variable([1024])
      h_pool2_flat = tf.reshape(h_pool2, [-1, 28*43*64])
      h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

    with tf.name_scope('fc2'):
      W_fc2 = weight_variable([1024, 2])
      b_fc2 = bias_variable([2])
      y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2

    return y_conv, keep_prob

# main函数中调整了输入和标签占位符
x = tf.placeholder(tf.float32, [None, 224*172])
y_ = tf.placeholder(tf.float32, [None, 2])

结果训练时又出现新错误：

logits and labels must be same size: logits_size=[20,2] labels_size=[10,2]

这时候我才意识到，问题根源在于我使用的是非正方形图像（224×172），在经过两次2×2的池化后，宽高的计算出现了偏差，导致全连接层的维度转换错误，进而引发logits和batch维度不匹配。

最终解决方案：统一图像为正方形尺寸 #

经过反复排查，我发现最直接的解决方式是将输入图像的宽高统一设置为正方形尺寸（我改成了100×100），这样在池化操作后，宽高的计算会更规整，不会出现因非整数倍下采样导致的维度混乱。调整后，模型的输入、卷积池化、全连接层的维度都能正确匹配，训练终于正常运行了。

总结几个关键注意点： #

• 当使用非正方形图像时，一定要仔细计算每一层卷积池化后的特征图尺寸，确保全连接层的展平维度完全匹配
• 输入占位符的维度要和数据集的图像展平尺寸严格对应，标签占位符要和输出层的类别数匹配
• 若对非正方形图像的维度计算没有把握，统一成正方形尺寸是快速规避问题的有效方法

内容的提问来源于stack exchange，提问作者dev dev