预期与keras中的测试集不同的尺寸

我试着做一个简单的项目，比如“mnist”，但我发现了错误

我尝试使用不同的数据集 试着跟着我以前写的“mnist” 但是这个错误发生了

回溯（最近一次呼叫最后一次）：
文件“train..py”，第51行，在
分数=网络。评估（x_测试，y_测试）
文件“/usr/local/lib/python3.6/dist-packages/keras/engine/training.py”，第1102行，在evaluate中
批次大小=批次大小）
文件“/usr/local/lib/python3.6/dist-packages/keras/engine/training.py”，第789行，在用户数据中
异常（前缀='target'）
文件“/usr/local/lib/python3.6/dist packages/keras/engine/training\u utils.py”，第128行，在标准化输入数据中
“带形状”+str（数据形状））
ValueError：检查目标时出错：预期密集_2有2个维度，但得到了形状为（20000，10，2）的数组。

错误发生在这一行：

score = network.evaluate(x_test, y_test)"

我定义数据集的方式： 负荷训练数据 模型 预测

---

你的y_测试有问题。您可以使用以下代码更改代码，因为您的

x\u列、y\u列

和

x\u测试、y\u测试

之间的初始化存在差异

x_test, y_test = read_hoda_dataset(dataset_path='HodaDatasetReader/DigitDB/Test 20000.cdb',
                              images_height=32,
                              images_width=32,
                              one_hot=False,
                              reshape=True)

---

正如我发现的，我们不需要更改y-test表单，所以只需删除这部分代码： “y_测试=到_分类（y_测试）”

---

成功了

这可能与批量大小有关。我尝试了不同的数字，请告诉我怎么做？例如，将其更改为什么？为什么是形状（20000、10、2）？应该是（20000，10）

nb_classes = 10
x_train, y_train = read_hoda_dataset(dataset_path='HodaDatasetReader/DigitDB/Train 60000.cdb',
                                images_height=32,
                                images_width=32,
                                one_hot=False,
                                reshape=True)
x_test, y_test = read_hoda_dataset(dataset_path='HodaDatasetReader/DigitDB/Test 20000.cdb',
                              images_height=32,
                              images_width=32,
                              one_hot=True,
                              reshape=False)

x_train = x_train.reshape((60000, 32 * 32))
x_train = x_train.astype('float32') / 255
x_test = x_test.reshape((20000, 32 * 32))
x_test = x_test.astype('float32') / 255

y_train = to_categorical(y_train)
y_test = to_categorical(y_test)

network = Sequential()
network.add(Dense(512, activation='relu', input_shape=(32 * 32,)))
network.add(Dense(10, activation='softmax'))

network.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
network.fit(x_train, y_train, epochs=1, batch_size=1000)
score = network.evaluate(x_test, y_test)###error was here :(

x_test, y_test = read_hoda_dataset(dataset_path='HodaDatasetReader/DigitDB/Test 20000.cdb',
                              images_height=32,
                              images_width=32,
                              one_hot=False,
                              reshape=True)