model.fit中Keras的值错误

我正在尝试建立神经网络，并做以下工作：

从keras.layers导入致密，激活
模型.添加（密度（单位=64））
添加（激活（'relu'））
模型。添加（密度（单位=10））
添加（激活（'softmax'））
model.compile（loss='classifical_crossentropy'，
优化器='sgd'，
指标=[‘准确度’]）

然后，我将x_列和y_列指定为numpy数组：

x\u列车=np.asarray（x\u列车）
y_列车=np.asarray（y_列车）
x_train.shape（261,8）
y_train.shape（261，）
model.compile（优化器='rmsprop'，
损失class='classifical_crossentropy'，
指标=[‘准确度’]）
模型拟合（x\U序列，y\U序列，历元数=5，批量大小=32）

在输出时，我有一个错误：

ValueError:检查输入时出错：预期密集_1_输入具有形状（None，100），但获得具有形状（261，8）的数组

---

我做错了什么？

您是否应该首先将模型定义为

顺序（）

？此外，您没有为第一个

密集
层定义
输入形状。如果没有额外的信息，我不确定我是否能帮到你。原因之一可能是使用了
category\u crossentropy
。您的输入矩阵是二进制的吗？您还需要在第一个密集层中指定一个
input\u shape（）
。您可以添加一个小样本的x和y数据吗？每个样品的前5个样品就足够了。不能使用y形（261，）和稠密（10）输出的分类交叉熵