使用Theano后端的Keras添加Dense层时触发ValueError错误求助

你遇到的问题核心是Theano与TensorFlow的图像数据格式不兼容！Theano默认采用channels_first（通道在前）的数据格式，而你的代码里用的是TensorFlow风格的channels_last（通道在后）输入形状，这会导致Flatten后的张量维度不符合Dense层的预期，进而抛出ValueError。

具体原因 #

Theano后端要求输入图像的形状为(通道数, 高度, 宽度)，也就是(3, 64, 64)；但你代码里写的input_shape=(64, 64, 3)是TensorFlow的channels_last格式，两者不匹配会让后续Flatten后的特征维度计算出错，无法和Dense层正常对接。

解决方案 #

有两种简单的修复方式，任选其一即可：

方式1：修改input_shape适配Theano格式

直接把Conv2D的input_shape改成(3, 64, 64)，贴合Theano的通道在前要求：

from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense

classifier = Sequential()
# 调整input_shape为Theano支持的通道在前格式
classifier.add(Conv2D(32, (3, 3), input_shape=(3, 64, 64), activation='relu'))
classifier.add(Conv2D(32, (3, 3), activation='relu'))
classifier.add(MaxPooling2D(pool_size=(2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units=128, activation='relu'))
# 别忘了添加二分类所需的输出层
classifier.add(Dense(units=1, activation='sigmoid'))

方式2：强制Keras使用channels_last格式

在代码开头添加一行配置，让Keras强制采用通道在后的格式（需确保你的Theano版本支持该设置，新版本一般都兼容）：

from keras import backend as K
# 强制设置图像数据格式为channels_last
K.set_image_data_format('channels_last')

from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense

classifier = Sequential()
classifier.add(Conv2D(32, (3, 3), input_shape=(64, 64, 3), activation='relu'))
classifier.add(Conv2D(32, (3, 3), activation='relu'))
classifier.add(MaxPooling2D(pool_size=(2, 2)))
classifier.add(Flatten())
classifier.add(Dense(units=128, activation='relu'))
classifier.add(Dense(units=1, activation='sigmoid'))

额外提示 #

你的模型目前缺少最后一层用于二分类的输出层（比如上面代码里的Dense(units=1, activation='sigmoid')），记得补上，否则模型无法完成最终的分类任务。

内容的提问来源于stack exchange，提问作者Jay Rodge