Python Tensorflow/Keras：型号'；s输出层期望的输入形状与它接收的不同

几天来，我一直在寻找这个问题的答案，但我在互联网上找到的任何东西似乎都不适用于我遇到的错误：

ValueError: Error when checking target: expected dense_1 to have shape (1, 300) but got array with shape (1, 60)

以下是我正在使用的模型：

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])

我能够拥有网络训练的唯一方法是将我的输出层中的节点数（在本例中，错误消息中的密集_1）设置为等于60，即我的模型为其输入接受的值的数目

我还通过一个完全连接的模型运行了这些数据，在这个模型中出现了相同的结果，如果输出中的节点数不是60，则会出现错误

我试图通过在tensorflow网站上运行mnist fashion classification示例来排除故障，看看是否是我的tensorflow或python版本引起了问题，但是运行时没有出现错误，而且训练良好

然后，我用mnist fashion示例中使用的模型替换了我的模型，除了将输入形状更改为（60），因为我的数据是一维的，我得到了相同的精确误差：

ValueError: Error when checking target: expected dense_1 to have shape (10,) but got array with shape (60,)

除了这一次，它显示了对输入形状的轻微改变，因为第一个错误发生在一个模型中，Conv1D被输入

---

所有这些都让我相信错误存在于我的数据中，因为我非常确信这不是我的模型中的错误，因为它发生在多个不同的模型中。

您需要添加

Flatten

层，以便

Conv1D

层中的数据在

Dense

层中被展平

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(), # This layer should be added
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])

---

您需要添加

展平

层，以便将

Conv1D

层中的数据展平为

密集

层

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(), # This layer should be added
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])

---

一旦我添加了这个，我就面临着另一个类似的错误：期望稠密_1有2维，但得到了具有形状的数组（482，1，60）。同样，正如我在帖子中所说的，它也发生在只有密集层的模型上。一旦我添加了这一点，我就面临另一个类似的错误：期望密集层1具有二维，但得到了具有形状的数组（482，1，60）。正如我在帖子中所说，它也发生在只有致密层的模型上