报错ValueError：Dense层输入最后维度未定义，附模型代码求排查

这个问题我之前调试卷积模型时也碰到过，核心原因出在你的Cropping2D层参数设置上，咱们一步步拆解：

错误根源 #

Cropping2D的参数格式是((top_crop, bottom_crop), (left_crop, right_crop))，也就是先指定上下裁剪的像素数，再指定左右。你的输入图像高度是160，但你设置的top_crop=79、bottom_crop=145，两者相加是224，远远超过了原始图像的高度160——这会导致裁剪后的图像高度变成负数，Keras根本无法计算出有效的输出形状。

后续的Flatten层因为上游形状无法确定，展开后的维度也变成了None，而Dense层要求输入的最后一维必须是明确的数值，所以就抛出了这个报错。

解决方案 #

1. 修正Cropping2D的裁剪参数 #

调整上下、左右的裁剪数值，确保top_crop + bottom_crop ≤ 原始高度(160)，left_crop + right_crop ≤ 原始宽度(320)。比如根据常见的自动驾驶图像裁剪需求（去掉天空和车头部分），你可以改成这样：

model.add(Cropping2D(cropping=((70, 20), (50, 50)), input_shape=(160,320,3)))

这个设置会裁剪掉顶部70像素、底部20像素，左右各50像素，最终输出的图像形状是(70, 220, 3)，Keras就能正常推断后续层的形状了。

2. 调整model.summary()的位置 #

你现在在Flatten之后就调用了model.summary()，此时还没添加完所有Dense层，也看不到Flatten后的输出维度，不利于调试。建议把model.summary()移到所有层都定义完成之后再调用，这样能看到完整的模型形状流转。

修正后的完整示例代码 #

def build(data):
    model = Sequential()
    # 修正后的裁剪参数，确保裁剪后尺寸有效
    model.add(Cropping2D(cropping=((70, 20), (50, 50)), input_shape=(160,320,3)))
    model.add(Lambda(lambda x: x/127.5 - 1.0))
    model.add(Conv2D(24, (2, 2), padding='same'))
    model.add(ELU())
    model.add(Conv2D(36, (2, 2), padding='same'))
    model.add(ELU())
    model.add(Conv2D(48, (2, 2), padding='same'))
    model.add(ELU())
    model.add(Flatten())
    model.add(Dense(100))
    model.add(ELU())
    model.add(Dense(50))
    # 补充你的其他层定义...
    # 最后调用summary查看完整模型结构
    model.summary()

验证方法 #

修正参数后，运行model.summary()，你会看到Flatten层的输出形状是一个明确的数值（比如上面的例子中，7022048=73920，所以Flatten输出是(None, 73920)），此时Dense层就能正常接收输入了。

内容的提问来源于stack exchange，提问作者vasanthi lakshmi