Python 误差是神经网络的输出层形状，can'；I don’我不能找出尺寸上的错误

我从神经网络开始。我建立了一个模型，并在我的训练数据集上训练它。但是，当我尝试评估模型时，我得到了一个维度不匹配错误：

ValueError:检查目标时出错：预期稠密_16具有形状（3），但得到了具有形状（1）的数组。

。就我个人而言，我似乎无法找出它在模型定义中的起源。感谢您的帮助

模型定义：

培训：

评估（错误）：

代码：

# Building a model - build a simple feedforward neural network for this problem.

# Specify all the parameters we will be using in our network
input_num_units = (32, 32, 3)
hidden_num_units = 1000
output_num_units = 3

epochs = 10
batch_size = 128

from keras.models import Sequential
from keras.layers import Dense, Flatten, InputLayer



# Define the network/model
model = Sequential([
  InputLayer(input_shape=input_num_units),
  Flatten(),
  Dense(units=hidden_num_units, activation='relu'),
  Dense(units=output_num_units, activation='softmax'),
])



model.summary()


# Compile our network and let it train for a while, with cross validation

model.compile(optimizer='sgd', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(train_x, train_y, batch_size=batch_size,epochs=epochs,verbose=1, validation_split=0.2)


score = model.evaluate(test_x, test_y, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

---

我可能错了，但是，您是否也曾经对您试图评估的测试数据进行过分类

y_test = to_categorical(y_test,num_classes)

---

我认为您应该检查test_x的形状。最重要的一点是缺少：什么是

train_x

和

test_x

？我刚刚运行了一个旧模型，但缺少了这一部分-并且得到了一个非常类似的消息-检查目标时出错：预期密集型_2具有形状（10），但获得了具有形状（1）的数组num_类可能是3个-我在本例中使用了10个类