Neural network 利用Julia-Flux建立一个简单的神经网络

我有一个图像数据集（），我想用神经网络知道一张图片是否是未感染的细胞。 所以我整理了数据，得到了4个变量：

X_tests, Y_tests, X_training, Y_training

每个变量的类型都是

Array{Array{Float64,1}，1}

我有一个函数来构建一个简单的神经网络（来自一个例子）：

我在执行

simple\u nn（X\u测试，Y\u测试，X\u训练，Y\u训练）后得到这个错误
：

错误在这一行：
Flux.train！（损失，数据集，opt，cb=节流阀（evalcb，10））

我不知道函数在做什么，它们采用什么参数，它们返回什么，我在互联网上找不到任何文档。我只能找到例子。
因此，我有两个问题：我如何才能使我的数据集工作？有通量函数的文档吗，比如sklearn？（例如：）
您能提供一个独立的MWE吗？我认为你的
X_培训
不是维度
3*100*100
X什么的，事实上它是2688个维度

您的第一层是密集的（输入，32，relu）
，输入是
3*100*100
，因此您需要一个维度之一是
3*100*100
的输入，但您不满意。
您能提供一个独立的MWE吗？我认为你的
X_培训
不是维度
3*100*100
X什么的，事实上它是2688个维度

您的第一层是密集的（输入，32，relu）

，输入是

3*100*100

，因此您不满意的维度之一是

3*100*100

。可能尝试替换

dataset = [(X_training,Y_training)]

与

zip实际上将X的训练数据1与Y的训练数据1配对，从而将向量元组转换为向量元组。我猜您的训练数据有2688个样本？

可能尝试替换

dataset = [(X_training,Y_training)]

与

zip实际上将X的训练数据1与Y的训练数据1配对，从而将向量元组转换为向量元组。我猜你的训练数据有2688个样本

dataset = [(X_training,Y_training)]

dataset = zip(X_training,Y_training)