Python:keras形状不匹配错误

我试图在

keras

中构建一个非常简单的多层感知器（MLP）：

model = Sequential()
model.add(Dense(16, 8, init='uniform', activation='tanh'))
model.add(Dropout(0.5))
model.add(Dense(8, 2, init='uniform', activation='tanh'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

model.fit(X_train, y_train, nb_epoch=1000, batch_size=50)
score = model.evaluate(X_test, y_test, batch_size=50)

我的训练数据形状：

X\u train.shape

给出

（34180,16）

标签属于具有形状的二进制类：

y\u train.shape

给出

（34180，）

因此，我的

keras

代码应该生成具有以下连接的网络：

16x8=>8x2

这会产生形状不匹配错误：

ValueError: Input dimension mis-match. (input[0].shape[1] = 2, input[1].shape[1] = 1)

Apply node that caused the error: Elemwise{sub,no_inplace}(Elemwise{Composite{tanh((i0 + i1))}}[(0, 0)].0, <TensorType(float64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(50, 2), (50, 1)]
Inputs strides: [(16, 8), (8, 8)]

ValueError:输入维度不匹配。（输入[0]。形状[1]=2，输入[1]。形状[1]=1）
导致错误的应用节点：Elemwise{sub，no_inplace}（Elemwise{Composite{tanh（（i0+i1））}}[（0，0）].0，）
输入类型：[TensorType（浮点64，矩阵），TensorType（浮点64，矩阵）]
输入形状：[（50,2）、（50,1）]
输入跨步：[（16,8），（8,8）]

在

Epoch 0处

第

行的型号。适合（X\u系列，y\u系列，nb\u Epoch=1000，批量大小=50）

。我是不是在监督Keras的一些明显的事情

---

编辑：我已经完成了问题，但没有解决我的问题

我遇到了相同的问题，然后找到了此线程

您可能需要声明最终输出层为2或任何数量的类别，标签需要为类别类型，其中本质上这是每个观察的二进制向量，例如3类输出向量[0,2,1,0,1,0,1,0]变成[[1,0,0]，[0,0,1]，[0,1,0]，[1,0,0]，[0,1,0]]

np_utils.to_分类函数为我解决了这个问题

从keras.utils导入np\u utils、generic\u utils
y_列，y_测试=[np_实用程序到x中的x分类（x）（y_列，y_测试）]

另一个选项是使用

sklearn.preprocessing.LabelBinarizer

，它可以帮助您“取消映射”一个热向量。