Python keras神经网络（Theano）包返回关于数据维度的错误

我有以下代码：

import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.optimizers import SGD
from sklearn import datasets
import theano

iris = datasets.load_iris()
X = iris.data[:,0:3]  # we only take the first two features.
Y = iris.target

X = X.astype(theano.config.floatX)
Y = Y.astype(theano.config.floatX)


model = Sequential()
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('softmax'))

sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

model.fit(X, Y, nb_epoch=20, batch_size=150)


score = model.evaluate(X_train, y_train, batch_size=16)

返回此错误：

ValueError: Shape mismatch: x has 3 cols (and 150 rows) but y has 150 rows (and 1 cols)
Apply node that caused the error: Dot22(<TensorType(float64, matrix)>, <TensorType(float64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(150L, 3L), (150L, 1L)]
Inputs strides: [(24L, 8L), (8L, 8L)]
Inputs values: ['not shown', 'not shown']

ValueError:形状不匹配：x有3列（和150行），但y有150行（和1列）
导致错误的应用节点：Dot22（，）
输入类型：[TensorType（浮点64，矩阵），TensorType（浮点64，矩阵）]
输入形状：[（150L，3L），（150L，1L）]
输入跨步：[（24L，8L），（8L，8L）]
输入值：[“未显示”、“未显示”]

---

问题是什么？

您为内部层指定了错误的输出尺寸。例如，参见Keras文档中的此示例：

model = Sequential()
model.add(Dense(20, 64, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, 64, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, 2, init='uniform'))
model.add(Activation('softmax'))

请注意一层的输出大小如何与下一层的输入大小匹配：

20x64 -> 64x64 -> 64x2

第一个数字总是输入大小（上一层的神经元数量），第二个数字是输出大小（下一层的神经元数量）。因此，在本例中，您有四个层：

• 有20个神经元的输入层
• 有64个神经元的隐藏层
• 有64个神经元的隐藏层
• 具有2个神经元的输出层

唯一的硬限制是，第一（输入）层需要有与功能相同数量的神经元，最后（输出）层需要有与任务相同数量的神经元

---

对于您的示例，由于您有三个功能，您需要将输入层大小更改为3，并且您可以保留此示例中的两个输出神经元以进行二元分类（或者使用一个，就像您所做的那样，具有逻辑损失）。

在程序的哪一行出现错误？

-->29 model.fit（X，Y，nb_epoch=20，batch_size=150）

谢谢您的回答。我的输入有150个样本（行）和3个特征（列）。输出有一列（+150个样本）。上述数据的正确格式是什么？我应该在哪里设置每层神经元的数量？+什么是批大小？@user2991243：我已经扩展了答案。一个简单的问题。该软件包没有像我们在

MATLAB

中那样分配训练、测试和验证？所有数据将用于培训？有神经网络的训练、测试和验证数据集吗？@user2991243：这与最初的问题无关。当然，你可以也应该使用统计/机器学习的所有标准方法，比如坚持和交叉验证。