Python 为什么Keras输入（shape=）需要dim=100向量的shape（1，）呢

我仍然试图围绕

keras.Input（）

的

shape=

参数进行思考-为了测试目的，我尝试进行最简单的虚拟网络和输入：

import keras
import numpy as np

def build_model(shape):
    f_input = keras.Input(shape=(shape[1],))  # (100,)
    d1 = keras.layers.Dense(50, activation='tanh')(f_input)
    softmax = keras.layers.Dense(10, activation='softmax')(d1)
    return keras.Model(f_input, softmax)

data = np.random.random((1000, 100))
model = build_model(data.shape)
model.compile(loss='mse', optimizer='SGD')
model.fit(x=data, y=data)

但keras仍然提出了错误：

ValueError:检查目标时出错：预期密集型_2具有形状（1，），但获得具有形状（100，）的数组。

我做错了什么？我的形状被定义为（，100），因为我期望一个任意批量大小的向量，其尺寸为100，如keras文档中所述。为什么会出现这种ValueError错误？我完全希望数组的形状是（100，）还是不是我是否必须在更改数据之前更改其形状

---

有什么提示吗

问题不在于您的输入形状。您以完全正确的方式给出了输入形状。问题在于，在

模型期间，您传递的是
（1000*100）
维度向量，而不是
（1100）
维度向量，而不是y

import numpy as np

def build_model(shape):
    f_input = keras.layers.Input(shape=(shape[1],))  # (100,)
    d1 = keras.layers.Dense(50, activation='tanh')(f_input)
    softmax = keras.layers.Dense(10, activation='softmax')(d1)
    return keras.Model(f_input, softmax)

data = np.random.random((1000, 100))
model = build_model(data.shape)
model.compile(loss='mse', optimizer='SGD')
model.fit(x=data, y=np.random.random((1000,))) #Change this to your actual y array!!

这对我来说运行很好。
问题不在于您的输入形状。您以完全正确的方式给出了输入形状。问题在于，在
模型期间，您传递的是
（1000*100）
维度向量，而不是
（1100）
维度向量，而不是y

import numpy as np

def build_model(shape):
    f_input = keras.layers.Input(shape=(shape[1],))  # (100,)
    d1 = keras.layers.Dense(50, activation='tanh')(f_input)
    softmax = keras.layers.Dense(10, activation='softmax')(d1)
    return keras.Model(f_input, softmax)

data = np.random.random((1000, 100))
model = build_model(data.shape)
model.compile(loss='mse', optimizer='SGD')
model.fit(x=data, y=np.random.random((1000,))) #Change this to your actual y array!!

这对我来说很好