Python InvalidArgumentError:不兼容的形状：[32]与[8]-Keras迁移学习

我正在尝试使用Mobilenet进行迁移学习 这是我的密码

from keras.applications.mobilenet import preprocess_input
from keras.applications.mobilenet import MobileNet
import keras.backend as K

x_train_final=preprocess_input(x_train)
x_test_final=preprocess_input(x_test)
pretrained_weights='imagenet'

#2
mobile=MobileNet(weights=pretrained_weights,include_top=False,input_shape=(416,416,3))
x=mobile.output
x=keras.layers.Flatten()(x)
x=keras.layers.Dense(512)(x)
x=keras.layers.Activation("relu")(x)
x=keras.layers.Dense(256)(x)
x=keras.layers.Activation("sigmoid")(x)
x=keras.layers.Dense(8)(x)
output=x
model=keras.models.Model(inputs=mobile.input,outputs=output)

def custom_loss(y_true, y_pred):

    loss = K.square(y_pred - y_true)  # (batch_size, 8)
    # summing both loss values along batch dimension
    loss = K.sum(loss, axis=0)        # (batch_size,)

    return loss

model.compile(optimizer = keras.optimizers.Adam(learning_rate=0.002), 
          loss = custom_loss,
          metrics = ['accuracy', 'mse'])

model.fit(x_train_final, y_train, epochs = 100)

但是我遇到了一个错误

Epoch 1/100
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-37-55c4376c8a25> in <module>()
----> 1 model.fit(x_train_final, y_train, epochs = 100)

7 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
     58     ctx.ensure_initialized()
     59     tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
---> 60                                         inputs, attrs, num_outputs)
     61   except core._NotOkStatusException as e:
     62     if name is not None:

InvalidArgumentError:  Incompatible shapes: [32] vs. [8]
     [[node gradients_4/loss_4/dense_18_loss/custom_loss/weighted_loss/mul_grad/Mul_1 (defined at /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:3009) ]] [Op:__inference_keras_scratch_graph_111168]

Function call stack:
keras_scratch_graph

纪元1/100
---------------------------------------------------------------------------
InvalidArgumentError回溯（最后一次最近调用）
在（）
---->1个模型。拟合（x_系列最终版，y_系列，历代=100）
7帧
/快速执行中的usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py（op_name、num_output、input、attrs、ctx、name）
58 ctx.确保_已初始化（）
59张量=pywrap\u tfe.tfe\u Py\u Execute（ctx.\u句柄、设备名称、操作名称、，
--->60个输入、属性、数量输出）
61除堆芯外，其他状态除外，如e：
62如果名称不是无：
InvalidArgumentError:不兼容的形状：[32]与[8]
[[node gradients_4/loss_4/dense_18_loss/custom_loss/weighted_loss/mul_grad/mul_1（定义于/usr/local/lib/python3.6/dist packages/keras/backend/tensorflow_backend.py:3009）][Op:[Op:[u推断\u keras\u scratch\u graph\u 111168]
函数调用堆栈：
keras_划痕图

我的火车数据集形状是（3066416，416，3）

测试数据集形状为（100416416,3）

---

我无法找出错误。

我也面临同样的问题，发现我的池层存在问题。它的输出不正确。将maxpool2d更改为GlobalAvarAgepool解决了此问题。如果您想坚持使用maxpool，请更改它的输出形状。

我也遇到了同样的问题，发现我的池层存在问题。它的输出不正确。将maxpool2d更改为GlobalAvarAgepool解决了此问题。如果要坚持使用maxpool，请更改其输出形状。

x_train_final和y_train的形状是什么？x_train_final-（3066、416、416、3）y_train-（3066、8）在自定义损耗函数中，在计算损耗之前打印张量y_pred和y_true，并检查它们是否具有与加载预训练权重相同的形状和数据类型。但对于416*416图像大小的图像，keras中不存在预训练形状。因此，要么训练模型生成权重，要么更改图像的大小。预训练权重用于128*128、160*160、192*192和224*224的图像大小。也许这会solve@devSpartan有助于更改损失函数，谢谢x_train_final和y_train的形状是什么？x_train_final-（3066、416、416、3）y_train-（3066、8）在自定义损耗函数中，在计算损耗之前打印张量y_pred和y_true，并检查它们是否具有与加载预训练权重相同的形状和数据类型。但对于416*416图像大小的图像，keras中不存在预训练形状。因此，要么训练模型生成权重，要么更改图像的大小。预训练权重用于128*128、160*160、192*192和224*224的图像大小。也许这会solve@devSpartan更改损失函数有帮助，谢谢