TensorFlow中使用model.fit()训练CNN时出现维度不匹配错误的求助

别着急，这个问题其实是输出层设置、损失函数和分类任务类型不匹配导致的，我来一步步帮你解决：

错误核心原因 #

从报错信息ValueError: Arguments 'target' and 'output' must have the same rank (ndim). Received: target.shape=(None,), output.shape=(None, 10)可以看出：

• 你的数据集是2分类任务（控制台显示Found 440 images belonging to 2 classes），但你设置的输出层是Dense(units=10, activation='softmax')（对应10分类）
• 同时你用了class_mode='binary'（二分类标签格式，输出一维标签），但损失函数用了categorical_crossentropy（要求标签是和输出同维度的one-hot编码），三者完全不匹配，所以维度对不上。

具体修改方案（针对你的2分类任务） #

你只需要调整三个地方，代码就能正常运行：

1. 修改模型输出层

把最后一层的10个输出单元改成1个，激活函数换成sigmoid（二分类专用）：

# 原来的错误代码
# model.add(Dense(units=10, activation='softmax'))

# 修改后
model.add(Dense(units=1, activation='sigmoid'))  # 二分类用1个输出单元+sigmoid

2. 修改损失函数

把categorical_crossentropy换成二分类专用的binary_crossentropy：

# 原来的错误代码
# model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 修改后
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

3. 确认生成器的class_mode设置

你当前的class_mode='binary'是正确的，不需要修改，它会为二分类任务生成一维的标签数组，和修改后的输出层维度匹配。

可选：如果想尝试多分类格式（其实没必要，二分类用上面的方案更简洁） #

如果你非要用categorical_crossentropy，那需要把整个流程改成多分类格式：

• 输出层改成Dense(units=2, activation='softmax')（对应2个类别）
• 损失函数保持categorical_crossentropy
• 生成器的class_mode改成'categorical'，这样生成的标签是二维的one-hot编码，和输出层维度匹配

额外小提示 #

你的代码里有些注释拼写错误（比如filtesr→filters、intager→integer），虽然不影响运行，但后续可以修正，方便自己阅读～

修改完上面的内容后，再重新运行代码，应该就能正常训练啦！

备注：内容来源于stack exchange，提问作者Tifanny Blort