使用Xception模型图像分类遇ValueError错误求助

嗨，这个问题我之前折腾过好一会儿，其实根源在于Xception和ResNet这类带残差连接的模型，层之间存在跨分支的依赖关系，而你直接把层挨个塞进Sequential容器的方式，会破坏这些依赖，导致输入输出不匹配。而VGG16/19是纯线性堆叠的卷积层，没有跨层连接，所以才不会出问题。

为什么会报这个错？ #

错误提示里说conv2d_1期望输入通道数是64，但实际得到了(None, 33, 33, 128)，这是因为残差块里的某些层（比如shortcut分支的卷积层）需要接收来自前面非相邻层的输出，而Sequential是严格按顺序传递输入的——它只会把前一层的输出传给下一层，没法处理这种“一个层需要多个输入”的情况，自然就会出现形状不匹配的问题。

正确的解决方案 #

你不需要手动复制每一层到Sequential里，直接基于预训练模型构建新模型就好，这里有两种常用方式：

方式1：用Model类构建（推荐，灵活性更高）

这种方式能完整保留原模型的结构，还能自由添加自定义层：

from tensorflow import keras
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D

# 加载预训练的Xception，不含顶层分类器
xception_base = keras.applications.xception.Xception(include_top=False, input_shape=(71,71,3))

# 可选：冻结预训练层，只训练你新增的层（训练初期可以这么做，后期再微调）
for layer in xception_base.layers:
    layer.trainable = False

# 在预训练模型的输出上添加自定义分类头
x = xception_base.output
# 全局平均池化，把特征图转成一维向量
x = GlobalAveragePooling2D()(x)
# 全连接层
x = Dense(128, activation='relu')(x)
# 最终分类层，替换成你的类别数量
predictions = Dense(10, activation='softmax')(x)

# 构建完整模型
classifier = Model(inputs=xception_base.input, outputs=predictions)

方式2：把整个预训练模型作为一层加入Sequential

如果你更习惯用Sequential，也可以直接把整个Xception模型当作一个层加进去：

from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense, GlobalAveragePooling2D

xception_base = keras.applications.xception.Xception(include_top=False, input_shape=(71,71,3))

classifier = Sequential()
classifier.add(xception_base)
classifier.add(GlobalAveragePooling2D())
classifier.add(Dense(128, activation='relu'))
classifier.add(Dense(10, activation='softmax'))

补充说明 #

VGG系列之所以没问题，是因为它的每一层都只依赖前一层的输出，完全是线性堆叠的结构，手动复制层到Sequential里不会破坏依赖关系。但Xception、ResNet这类模型有残差连接，层与层之间存在“跳跃”的依赖，Sequential这种线性容器根本没法处理，所以才会出现输入不兼容的错误。

内容的提问来源于stack exchange，提问作者Anesh