ValueError：层序列的输入0与层（神经网络）不兼容

Question

完全错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 20 but received input with shape (None, 1)

问题

我一直在努力建立一个神经网络，因为它不断抱怨收到的形状。x\u trian和y\u train的形状都是（20，）但当我将其输入为input\u形状时，它表示希望输入形状的值为20，但实际上收到了（None，1）。

我不明白（无，1）来自哪里，因为当我打印x_train和y_train的形状时，它给了我（20，）。它们都是数字数组。

代码

# (the training_data and testing_data are both just numpy arrays with 0 being the data and 1 being the label)
x_train = training_data[:, 0]  # training feature
y_train = training_data[:, 1]  # training label
x_test = testing_data[:, 0]  # testing feature
y_test = testing_data[:, 1]  # testing label

# Create neural network.
from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(16, input_dim=20, activation='relu', input_shape=(20,)))
model.add(Dense(12, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(2, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

我试过的

然后我把input_shape改为（无，1），但它说：

ValueError: Shapes (None, 1) and (None, 1, 2) are incompatible

所以，我把它改为（None，1，2），然后它说：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 2 but received input with shape (None, 1)

然后将返回到原始错误。

然后，我发现（20，）的维数仅为1，因此我将input\u dim更改为1，并得到：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 20 but received input with shape (None, 1)

结论

我几乎可以肯定它与input_dim、input_shape或密集单位（第一个model.add是16（错误抱怨的那个）有关，但我非常不确定如何更改值以适应我的数据。

我知道形状是（20，），我知道维数是1，所以它可能与密集单元的值有关（在第一个model.add上是16，这是编译器抱怨的）。我读了很多关于单位测量它的内容，但仍然努力去理解它。

Answer 1

在x\U列车中，由于您有20个数据点，每个数据点都是一个数字，因此正确的形状应该是（1，）。Keras希望您输入每个数据点的形状，而不是整个数据集本身的长度。例如，如果我的数据

# shape of x_train is (2,3)
# shape of each data point is (3,)    
x_train = np.array([[1,2,1],
                    [1,2,3]])

那么我的输入形状将是（3，）。

在您的情况下，可以将模型更改为如下所示：

from keras.layers import Input

model = Sequential()
model.add(Input(shape=(1,)))
model.add(Dense(16, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(2, activation='softmax'))

此外，由于您使用的是损失='categorical_crossentropy'，因此您必须为您的y_train使用one-Hot编码，它必须是（20,2）的形状。您可以在此处参考如何转换为一种热编码：将索引数组转换为1-Hot编码的numpy数组