Python ValueError:形状（64,28,28）和（784,50）未对齐：28（尺寸2）！=784（尺寸0）
我正在尝试创建我的第一个神经网络。我想从我的神经网络预测28x28输入上的数字（我使用的是MNIST数据库）。数据库通过Tensorflow导入 我的x_测试的形状是10000，28，28。10000表示输入的数量，28x28表示高度和宽度 我的错误是：Python ValueError:形状（64,28,28）和（784,50）未对齐：28（尺寸2）！=784（尺寸0）,python,numpy,neural-network,Python,Numpy,Neural Network,我正在尝试创建我的第一个神经网络。我想从我的神经网络预测28x28输入上的数字（我使用的是MNIST数据库）。数据库通过Tensorflow导入 我的x_测试的形状是10000，28，28。10000表示输入的数量，28x28表示高度和宽度 我的错误是： --------------------------------------------------------------------------- ValueError Trac
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-55-a6dbf7a3d2aa> in <module>
1 layer_dims = [784, 50, 20, 10]
----> 2 parameters = model(x_test , y_test, layer_dims)
<ipython-input-35-e0593be872fa> in model(X, Y, layers_dims, optimizer, learning_rate, mini_batch_size, mainActiv, lastActiv, num_epochs, beta, beta1, beta2, epsilon)
28 for minibatch in minibatches:
29 (minibatch_X, minibatch_Y) = minibatch
---> 30 a3, cache = forward_propagation(minibatch_X, minibatch_Y, parameters)
31 cost = compute_cost(a3, minibatch_Y)
32 grads = L_model_backward(a3, Y, caches, mainActiv)
<ipython-input-15-fc8fba0d23d7> in forward_propagation(X, Y, parameters)
7 A_prev = A
8 print("A shape = " + str(A.shape))
----> 9 A, cache = lin_activ_forward(A_prev, parameters["W" + str(l)], parameters["b" + str(l)], activation = "relu")
10 caches.append(cache)
11 AL, cache = lin_activ_forward(A, parameters["W" + str(L)], parameters["b" + str(L)], activation = "sigmoid")
<ipython-input-14-760f9d3070ba> in lin_activ_forward(A_prev, W, b, activation)
9 print("activ b" + str(b.shape))
10
---> 11 Z, lin_cache = lin_feedforward(A_prev, W, b)
12 print("activ Z" + str(Z.shape))
13 A, activ_cache = relu(Z)
<ipython-input-54-9a032d2cf624> in lin_feedforward(A_prev, W, b)
1 def lin_feedforward(A_prev, W, b):
2 #A_prev - aktivace z předchozích vrstev
----> 3 Z = np.dot(A_prev,W) +b #maybe multiply here???
4 assert(Z.shape == (W.shape[0], A_prev.shape[1]))
5 print("W1 shape" + str(W1.shape))
ValueError: shapes (64,28,28) and (784,50) not aligned: 28 (dim 2) != 784 (dim 0)
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
1层厚度=[784,50,20,10]
---->2个参数=模型（x_测试、y_测试、图层尺寸）
在模型中（X、Y、层尺寸、优化器、学习率、最小批量大小、主活动、最后活动、数字时代、β、β1、β2、ε）
28对于小批量中的小批量：
29（小批量X，小批量Y）=小批量
--->30 a3，缓存=正向传播（小批量X，小批量Y，参数）
31成本=计算成本（a3，小批量）
32梯度=L_模型_向后（a3，Y，缓存，主活动）
正向传播中（X，Y，参数）
7 A_prev=A
8打印（“A形状=“+str（A形状））
---->9 A，缓存=lin_activ_forward（A_prev，参数[“W”+str（l）]，参数[“b”+str（l）]，激活=“relu”）
10个缓存。追加（缓存）
11 AL，cache=lin\u activ\u forward（A，参数[“W”+str（L）]，参数[“b”+str（L）]，activation=“sigmoid”）
林内活动向前（A、W、b、激活）
9打印（“活动b”+str（b形状））
10
--->11 Z，lin_缓存=lin_前馈（A_prev，W，b）
12打印（“活动Z”+str（Z形））
13 A，活动缓存=relu（Z）
林内前馈（A_-prev，W，b）
1 def lin_前馈（A_prev，W，b）：
2.A#u prev-aktivace z předchozích vrstev
---->3z=np.dot（A_prev，W）+b#可能在这里相乘？？？
4断言（Z.shape==（W.shape[0]，A_prev.shape[1]））
5打印（“W1形状”+str（W1形状））
ValueError:形状（64,28,28）和（784,50）未对齐：28（尺寸2）！=784（尺寸0）
谢谢你的建议 在没有看到您的代码的情况下，我不能确定，但您可能只需要重新调整输入，如
x_test=x_test。重新调整（-1，28**2）点x_test=x_test。重新调整（-1，28**2）点