Keras模型训练时目标形状不匹配报错问题咨询

我来帮你拆解这个报错的核心原因和对应解决方案：

问题本质 #

报错提示模型期望接收27个数组，但你只传入了1个，这说明Keras误将你的模型判定为有27个独立输出的多输出模型，但你实际要做的是「单输出、输出维度为27」的回归任务。

可能的原因及修复步骤 #

1. 模型输出层定义出错

你提到最后一层是Dense(27)，但有可能实际构建时不小心用循环生成了27个独立的Dense(1)层作为输出，导致模型有27个分散的输出张量。

• 自查方法：运行model.summary()，看输出层的数量和形状。如果输出是27个(None, 1)的层，那就是这里出了问题。
• 修复代码示例：

  # 错误写法（多输出）
  outputs = [Dense(1)(x) for _ in range(27)]
  model = Model(inputs=inputs, outputs=outputs)
  
  # 正确写法（单输出）
  outputs = Dense(27)(x)
  model = Model(inputs=inputs, outputs=outputs)
  

2. 模型编译时损失/指标设置错误

如果模型确实是单输出层，但你在编译时把损失函数（或评估指标）设置成了长度为27的列表，Keras会误以为每个输出维度对应一个损失，从而期望27个目标数组。

• 自查方法：检查你的model.compile()代码，是否有类似写法：

  model.compile(optimizer='adam', loss=[tf.keras.losses.MSE]*27)
  

• 修复代码示例：

  # 正确写法（单损失函数适配多维度输出）
  model.compile(optimizer='adam', loss='mse')
  # 或者用类形式的损失函数
  model.compile(optimizer='adam', loss=tf.keras.losses.MeanSquaredError())
  

3. 最后确认目标数组形状

你的目标Y形状是(100,27)，模型输出形状是(None,27)，这两者本身是匹配的，只要解决上面两个问题，训练就能正常运行。

内容的提问来源于stack exchange，提问作者user2626431