Tensorflow Keras错误：预期密集输入有3个维度

我正在Keras中尝试一个简单的模型，我想将其作为一个5x3大小的矩阵的输入。在下面的示例中，这是通过在添加第一个密集层时使用

input_shape=（5,3）

指定的

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import Adam
import numpy as np


model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Dense(4))


adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss='mean_squared_error', optimizer=adam)


x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])


y = model.predict(x)

但是，当我运行代码时，

model.predict（）

函数会给出以下错误：

ValueError:检查时出错：预期密集_输入_1有3个维度，但得到了形状为（5,3）的数组

但我不理解这个错误。

x

的形状是（5，3），这正是我告诉第一个密集层作为输入所期望的。因此，它为什么期待三维空间？这似乎与批量大小有关，但我认为

input\u shape

仅指网络的形状，与批量大小无关…

问题在于：

model.add(Dense(32, input_shape=(5, 3)))

应该是：

model.add(Dense(32, input_shape=(3,)))

第一个示例维度不包括在

输入\u形状中。还因为它实际上取决于网络拟合期间设置的批大小。如果要指定，可以尝试：

model.add(Dense(32, batch_input_shape=(5, 3)))

编辑：

从您的评论中，我了解到您希望您的输入具有
shape=（5,3）
在这种情况下，您需要：

通过以下设置重塑
您的
x
：

x = x.reshape((1, 5, 3))

其中第一维度来自示例

您需要在某个阶段将模型展平。这是因为没有它，您将通过网络传递
2d
输入。我建议你做以下几点：

model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(4))


当使用顺序API中的add（）方法添加Keras层时，参数input_shape只关心输入数据的形状，而不管批次大小。
因此，在您的案例中，通过指定参数input_shape=（5，3），您向模型声明希望输入形状为（5，3）是正确的。

但是，Keras始终希望您成批提供输入数据，即使您选择的批量大小为1。这意味着您需要向输入中添加一个额外的维度，以使其成为三维的，第一个维度是批次大小。您可以这样做：

x=x[无，：，：]

我想这应该能解决你的问题
谢谢你的建议。我尝试使用
input\u shape=（3，）
，但是网络
y
的输出结果是shape（5，4）。因此，这表明它将
x
视为大小为5的批次，每个条目的大小为3。然后，输出
y
也是一个大小为5的批次，每个输出的大小为4。但这不是我想要的。我希望输入是形状（5，3），这样当我运行
model.predict（）
时，它会给我一个形状（1，4）的输出。