Keras和Python3.6：检查顺序模型的输入时出错

不知怎的，我在Keras图书馆里发现了一只非常奇怪的虫子

我的学习方法包括三层神经网络：输入层130517个单位（输入大小），隐藏层10000个，输出层2个单位

在编写代码期间，我运行了一个批处理学习（我使用了

partial_fit

函数），但代码反复抛出相同的错误：

{ValueError}检查输入时出错：应为密集的\u 1\u输入 形状（130517，）但获得了形状为（1，）的数组

我再次检查了输入维度，发现它确实如我所想，有130517个维度

下面是调试时变量的图片，如您所见，

np.array（X[0]）

的形状是130517：

在任何情况下，我都附加了神经网络初始化代码和调用

部分拟合的代码

：

    def initClassifier(self):
       self.classifier.add(Dense(100000, input_dim=130517, activation='relu'))
       self.classifier.add(Dense(2, activation='softmax'))
       self.classifier.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])


    def partial_fit(self, X, y, classes):
        self.classifier.train_on_batch(np.array(X[0]), np.array(y))

有人有解决办法吗

---

这可能是Keras代码中的错误吗？

在培训中，Keras希望您的数据包含一个批量大小的维度。在您的情况下，这意味着数据的形状应为

（批次大小，130517）

。但是，您正在传递一个

np数组
（130517）
，这将导致您的错误。您可以按如下方式重塑数据以包含批次形状：

X\u重塑=X[0]。重塑（1，-1）
在培训中，Keras希望您的数据包括批量大小的维度。在您的情况下，这意味着数据的形状应为
（批次大小，130517）
。但是，您正在传递一个
np数组
（130517）
，这将导致您的错误。您可以按如下方式重塑数据以包含批次形状：

X\u重塑=X[0]。重塑（1，-1）
谢谢！我花了两个多小时试图解决这个问题谢谢！我花了两个多小时试图解决这个问题