Tensorflow 检查目标时出错：预期密集_18具有形状（1），但获得具有形状（10）的数组

我必须将MNIST数据分为10类。我正在将Y_序列转换为一个热编码数组。我已经看过很多答案，但没有一个有用。请在这方面指导我，因为我是ML和神经网络的新手

似乎没有必要在第一层中使用

model.add（flatte（））

。您可以使用具有特定输入大小的密集层，如：

model.add（密集（64，input\u shape=your\u input\u shape，activation=“relu”）

为了确保由于层的原因而发生此问题，您可以检查

To_category（）

函数是否与jupyter notebook单独工作

最新答案 在制作模型之前，你应该重塑你的模型。在这种情况下，28*28到784

  Y_train = to_categorical(Y_train, num_classes = 10)#
    random_seed = 2
    X_train,X_val,Y_train,Y_val = train_test_split(X_train, Y_train, test_size = 0.1, random_state=random_seed)
    Y_train.shape
    model = Sequential()

    model.add(Flatten())
    model.add(Dense(64, activation='relu'))
    model.add(Dense(128, activation='relu'))
    model.add(Dense(10, activation='softmax'))
    model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy',metrics=['accuracy'])

    model.fit(X_train, Y_train, batch_size = 86, epochs = 3,validation_data = (X_val, Y_val), verbose =2)

我还建议通过简单地将图像划分为255来规范化数据

在这一步之后，您应该创建您的模型

train_images = train_images.reshape((-1, 784))
test_images = test_images.reshape((-1, 784))

您是否注意到

input\u shape=（784，）

这就是您的扁平输入的形状

最后一步，编译和拟合

model = Sequential([
Dense(64, activation='relu', input_shape=(784,)),
Dense(64, activation='relu'),
Dense(10, activation='softmax'),
])

---

你要做的是，你刚刚展平了输入层，而没有向网络提供输入。这就是你遇到问题的原因。关键是你应该手动重塑你的输入，并使用参数

input\u shape

前馈到

densed（）

层。我尝试添加了一个模型。densed的输入形状为（10，）然而，我得到了“检查输入时出错：预计密集的\u 42\u输入有2维，但得到了形状为（34020，28，28，1）的数组”@shreyanshupadhyay，我将更新我的答案以更清楚。感谢您的深入解释

model.compile(
optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'],
)

model.fit(
train_images,
train_labels,
epochs=10,
batch_size=16,
)