我想创建如图所示的神经网络模型
我的x_train变量具有(20204,2)的维度，而y_train具有(20204,)的维度
我使用的是Keras的Sequential模型，但在运行以下代码时
model=Sequential()model.add(Dense(output_dim = 2, init = 'uniform', activation = 'relu', input_dim=20204))model.add(Dense(output_dim = 3,init = 'uniform',activation = 'softmax'))model.compile(loss = 'sparse_categorical_crossentropy',optimizer = 'adam',metrics = ['accuracy'])model.fit(x_train,y_train,batch_size=12,epochs=14)loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)print(loss_and_metrics)我得到了一个错误提示
ValueError: Error when checking input: expected dense_26_input to have shape (20204,) but got array with shape (2,)我该如何解决这个问题？
回答：
当你说你的输入形状为(20204, 2)时，你的意思是你有20204个训练样本，每个样本有2个维度。
你需要告诉你的输入期望有2个维度，而不是20204。错误发生是因为你的模型期望接收20204个特征（即参数input_dim=20204），但实际接收到的是2个特征。
要修复这个问题，只需更改我上面提到的参数：
model=Sequential()model.add(Dense(output_dim=2, init='uniform', activation='relu', input_dim=2))model.add(Dense(output_dim=3, init='uniform', activation='softmax'))model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])model.fit(x_train, y_train, batch_size=12, epochs=14)loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)print(loss_and_metrics)编辑：
正如@和@正确指出的，你的图表显示隐藏层有4个神经元，而不是像上面代码那样生成的2个。
要更改这一点，你需要将隐藏层的参数output_dim=2替换为output_dim=4：
model.add(Dense(output_dim=4, init='uniform', activation='relu', input_dim=2))