CNN训练报错：预期dense_1形状(13,)但实际为(40,)求解决

这个错误ValueError: Error when checking target: expected dense_1 to have shape (13,) but got array with shape (40,)的核心问题是模型最后一层的输出维度（类别数）和你的训练/测试标签的one-hot编码维度不匹配。下面一步步分析并解决：

1. 修复get_num_of_classes函数的语法错误 #

你的get_num_of_classes函数存在明显的语法问题：

def get_num_of_classes():
    return len(os.listdir('gestures/')) //13classes

这里的//13classes是无效代码——//是Python的整除运算符，后面需要跟数字，而13classes不是合法的数值。看起来你是想添加注释，应该用#而不是//。

更重要的是，这个函数的作用是返回你手势数据集的实际类别数：

• 如果你的gestures文件夹下有40个类别子文件夹（对应标签0~39），那么应该直接返回文件夹数量：

def get_num_of_classes():
    # 返回gestures目录下的子文件夹数量（即类别数）
    return len(os.listdir('gestures/'))

• 如果你确定是13个类别，那直接写死数值更稳妥：

def get_num_of_classes():
    return 13  # 明确指定类别数

2. 确认标签的实际类别数 #

你需要验证训练标签的真实类别范围，在train()函数里添加几行代码查看：

def train():
    with open("train_labels", "rb") as f:
        train_labels = np.array(pickle.load(f), dtype=np.int32)
    # 查看标签的最大值和最小值，确认类别范围
    print(f"训练标签最小值: {np.min(train_labels)}, 最大值: {np.max(train_labels)}")
    print(f"实际类别数: {np.max(train_labels) + 1}")  # 因为标签从0开始计数
    # ... 其余代码保持不变

如果输出显示最大值是39，那实际类别数是40，这时候你的模型最后一层Dense(num_of_classes, ...)必须输出40维，而不是13维——这就是报错的核心原因。

3. 附带修复get_image_size函数的错误 #

你的get_image_size函数同样有语法问题：

def get_image_size():
    img = cv2.imread('gestures/0/100.jpg', 0)
    return img.shape // 50*50

img.shape是一个元组（比如(高度, 宽度)），不能直接和整数做//运算。如果你想固定图像尺寸为50x50，直接返回即可：

def get_image_size():
    # 固定输入图像尺寸为50x50
    return (50, 50)

如果想读取样本图像的真实尺寸，应该返回元组的前两个元素：

def get_image_size():
    img = cv2.imread('gestures/0/100.jpg', 0)
    # 返回图像的高度和宽度
    return img.shape[:2]

4. 重新验证模型与标签的匹配度 #

修改完上述代码后，你可以在cnn_model()函数里打印类别数，确认模型输出维度：

def cnn_model():
    num_of_classes = get_num_of_classes()
    print(f"模型输出类别数: {num_of_classes}")
    # ... 其余代码保持不变

同时，在train()函数里查看标签经过to_categorical后的形状：

train_labels = np_utils.to_categorical(train_labels)
print(f"训练标签形状: {train_labels.shape}")  # 应该是(样本数, num_of_classes)

确保两者的维度一致，就能解决这个匹配错误了。

内容的提问来源于stack exchange，提问作者epssy_sy