Keras神经网络输出形状不匹配问题求助

嘿，我一眼就看出问题出在哪了——你的模型输出形状和标签y的形状完全对不上，这才导致了那个ValueError。

错误根源拆解 #

• 你的模型最后一层是Dense(1, activation='linear')，这意味着模型预期每个样本输出1个数值，对应形状是(None, 1)（None代表批量大小）。
• 但你的标签y里每个样本都有两个数值（比如[1.2, 4.5]），当批量大小是256时，输入的标签形状就变成了(256, 2)，和模型预期的输出形状不匹配，自然就报错了。

两种修正方案 #

根据你的实际任务需求选一个就行：

方案1：如果任务是回归两个数值（比如预测坐标、双指标）

把模型最后一层的输出单元数改成2，让模型输出和标签形状对齐：

# 替换原来的Dense(1)
model.add(Dense(2, activation='linear'))

修改后模型输出形状会变成(None, 2)，刚好和你的标签y的形状匹配。

方案2：如果标签y是笔误（本来应该每个样本对应1个数值）

那你需要修正y的格式，把每个样本的标签改成单个数值，比如把[[1.2, 4.5],[<num1>,<num2>]]改成[[1.2],[<num1>]]，保持模型最后一层不变即可。

额外的小建议 #

• 你的卷积层用的是旧版Keras的写法Convolution2D(32, 3, 3)，如果用的是新版TensorFlow/Keras，建议改成Conv2D(32, (3, 3))，兼容性更好。
• fit_generator在新版库中已经被弃用了，建议换成fit方法，同时把参数nb_epoch改成epochs，samples_per_epoch改成steps_per_epoch，比如：

  net.fit(_generator(256, X, y), steps_per_epoch=1000, epochs=2)
  

内容的提问来源于stack exchange，提问作者Arovit