我正在尝试准备一个模型，输入图像的形状为56×56像素和3个通道：(56, 56, 3)。输出应该是一个包含216个数字的数组。我重用了数字识别器的代码并稍作修改：

model = Sequential()model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same',                  activation ='relu', input_shape = (56,56,3)))model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same',                  activation ='relu'))model.add(MaxPool2D(pool_size=(2,2)))model.add(Dropout(0.25))model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same',                  activation ='relu'))model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same',                  activation ='relu'))model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(256, activation = "relu"))model.add(Dropout(0.5))model.add(Dense(216, activation = "linear"))from tensorflow.python.keras.losses import categorical_crossentropymodel.compile(loss = categorical_crossentropy,                     optimizer = "adam",                     metrics = ['accuracy'])

这让我遇到了一个错误：

ValueError: Error when checking target: expected dense_1 to have shape (216,) but got array with shape (72,)

我知道如何编写分类器模型，但不知道如何获得数组作为输出，所以可能我在最后的Dense层中没有设置正确的形状。我不知道它应该是1还是216。

我在这个帖子中读到问题可能是损失函数，但我不知道应该使用什么其他损失函数。

提前感谢！

回答：

如您所见，您提供的输入是input_shape = (56,56,3)。

您当前的数据形状是56。

应用32的滤波器后，您的数据形状变为72。

在这一行代码中，您的Dense层有256个节点，这意味着（您的Dense层设计为接收来自数组的256个输入，但实际接收到的是72）

model.add(Dense(256, activation = "relu"))

您可以更改滤波器形状，或者将256更改为72。

希望这对您有帮助。