我遇到了这个错误。
ValueError: 检查输入时发生错误：期望 input_1 有 3 个维度，但得到的数组形状为 (860, 11)
以下是我使用的代码。 df 具有 860x15 维度，因此 datX 具有 860×11 维度
# first neural network with keras tutorialfrom numpy import loadtxtfrom keras.models import Sequentialfrom keras.layers import Denseimport pandas as pdfrom pandas import ExcelWriterfrom pandas import ExcelFiledf =pd.read_excel('C:/Users/ASUS/Documents/Script/Simulation.Machine.V1/Final.xlsx', sheetname= "C0")datX = df.drop(['C0', 'C1', 'C2', 'C3'], axis=1)import numpy as npdatY = df['C1'] / df['C0'] datW = df['C0']**(1/2)datZ = df['C1']q=20p= len(datX.columns)from keras import backend as K# define the keras modelmodel = Sequential()model.add(Dense(q, input_dim=p, activation='tanh'))model.add(Dense(1, activation= K.exp))# define the keras modeloffset = Sequential()offset.add(Dense(1, input_dim=1, activation='linear'))from keras.layers import Inputtweet_a = Input(shape=(860, 11))tweet_b = Input(shape=(860, 1))tweetx = model(tweet_a)tweety = offset(tweet_b)from keras.layers import Multiply, addoutput = Multiply()([tweetx, tweety])from keras.models import Modelmodelnew = Model(inputs=[tweet_a, tweet_b], outputs=output)modelnew.compile(optimizer='rmsprop',loss='mse',metrics=['accuracy'])modelnew.fit([datX, datW], datY, epochs=100, batch_size=10000)我期望输出是一个维度，输入是一个 11 维度
回答：
这里发生的事情非常明显。为了理解这一点，您需要知道 Input 层中 batch_shape 和 shape 参数的区别。
当您指定 shape 参数时，它实际上会在形状的开头添加一个新的维度（即批次维度）。因此，当您将 860x11 作为 shape 传递时，实际模型期望一个 bx860x11 大小的输出（其中 b 是批次大小）。您在这里指定的是 batch_shape 参数的值。因此有两种解决方案。
对您来说最好的解决方案是将上述内容更改为以下内容。因为这样您就不依赖于固定的批次维度了。
tweet_a = Input(shape=(11,))tweet_b = Input(shape=(1,))tweetx = model(tweet_a)tweety = offset(tweet_b)但如果您 100% 确定批次大小始终为 860，您可以尝试下面的选项。
tweet_a = Input(batch_shape=(860, 11))tweet_b = Input(batch_shape=(860, 1))tweetx = model(tweet_a)tweety = offset(tweet_b)