基于Keras图像分类教程扩展8类时遇样本数不匹配错误求助

这个错误逻辑很清晰——你的输入特征集（train_data）和标签集（train_labels）的样本数量完全不匹配：输入只有32个样本，但标签却有128个，模型根本没法把每个输入和对应的标签对应起来训练。咱们一步步排查解决：

核心原因分析 #

你手动构造标签的逻辑是[0] * (nb_train_samples // 8) + [1] * (nb_train_samples // 8) + ...，这里大概率是两个问题导致的：

1. nb_train_samples的取值和实际生成的train_data样本数完全不符。比如你误以为训练集有1024个样本（1024//8=128，8类加起来就是1024个标签），但实际生成的bottleneck特征只有32个样本。
2. 手动硬编码标签的方式本身就容易出错，除非你的8个类别样本数完全均等，且总样本数刚好是8的倍数，否则标签总数和真实样本数必然对不上。

具体解决步骤 #

1. 先确认样本数的真实情况 #

先运行下面的代码，明确输入特征和标签的实际长度：

print("训练特征样本数:", train_data.shape[0])
print("训练标签样本数:", len(train_labels))

这两个数字必须完全相等，否则肯定会触发这个错误。

2. 修正nb_train_samples的取值 #

如果train_data.shape[0]输出是32，那nb_train_samples应该设为32，而不是你之前用的某个大数。这时候标签构造代码应该改成：

train_labels = np.array([0]*(32//8) + [1]*(32//8) + [2]*(32//8) + [3]*(32//8) + 
                        [4]*(32//8) + [5]*(32//8) + [6]*(32//8) + [7]*(32//8))

当然，前提是你每个类别确实刚好有4个样本（32//8=4）。

3. 更靠谱的标签获取方式（强烈推荐） #

手动硬编码标签太容易出错，尤其是当类别样本数不均等的时候。建议你在生成bottleneck特征的时候，直接从数据生成器里同步收集标签：

from keras.preprocessing.image import ImageDataGenerator

# 假设你的训练集放在train_dir目录下，每个类别对应一个子文件夹
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
    'train_dir',
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='sparse',  # 用sparse直接对应整数标签，不用转one-hot
    shuffle=False  # 必须设为False，保证特征和标签的顺序完全对应
)

# 生成bottleneck特征并同步获取标签
train_data = model.predict(train_generator)
train_labels = train_generator.classes  # 直接从生成器拿标签，完美匹配特征样本数

这种方式生成的train_data和train_labels样本数绝对一致，不用手动计算，从根源避免错误。

4. 重新生成bottleneck特征 #

如果之前生成的train_data样本数确实不对（比如生成时batch_size设置错误、生成器循环次数不够），那就重新运行特征生成代码，确保生成的特征数等于训练集的真实样本数。

内容的提问来源于stack exchange，提问作者Rocking chief