Keras：密集层中的形状错误答案

【问题标题】：Keras: wrong shape in Dense layerKeras：密集层中的形状错误
【发布时间】：2025-11-25 18:45:01
【问题描述】：

我正在尝试准备一个模型，该模型采用形状为 56x56 像素和 3 个通道的输入图像：(56, 56, 3)。输出应该是一个包含 216 个数字的数组。我重用了来自数字识别器的代码并稍作修改：

model = Sequential()

model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
                 activation ='relu', input_shape = (56,56,3)))
model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2)))
model.add(Dropout(0.25))


model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))
model.add(Dropout(0.25))


model.add(Flatten())
model.add(Dense(256, activation = "relu"))
model.add(Dropout(0.5))
model.add(Dense(216, activation = "linear"))

from tensorflow.python.keras.losses import categorical_crossentropy
model.compile(loss = categorical_crossentropy,
                     optimizer = "adam",
                     metrics = ['accuracy'])

这给了我一个错误：

ValueError: Error when checking target: expected dense_1 to have shape (216,) but got array with shape (72,)

我知道如何编写分类器模型，但不知道如何将数组作为输出，所以我可能没有在最后一个密集层中设置正确的形状。我不知道应该是1还是216。

我在this post 中读到，问题可能出在损失函数上，但我不确定我应该使用什么其他损失函数。

提前致谢！

【问题讨论】：

错误是说目标应该有形状（216，），但你的目标标签有形状（72，）。你必须解决这种不一致。
那 72 来自 conv2d 内核形状？
不，这是你给 keras 的 Y 数组的数据形状。

标签： python tensorflow machine-learning keras

【解决方案1】：

你可以看到你给定的输入是input_shape = (56,56,3)。

现在您当前的数据形状是 56。

应用 32 的过滤器后，您的数据形状为 72。

这行代码你的密集层有 256 个节点，这意味着（你的密集层接收来自数组的 256 输入，但得到了 72）

model.add(Dense(256, activation = "relu"))

您可以更改过滤器形状或将 256 更改为 72。

我希望这对你有用。

【讨论】：

【解决方案2】：

最后一层应该与你的目标类具有相同的形状

改变

model.add(Dense(216, activation = "linear"))

到

model.add(Dense(72, activation = "linear"))

【讨论】：