我已经构建了一个用于分类的神经网络，但在尝试编译时，遇到了输入和输出的维度问题：

from keras.models import Sequentialfrom keras.layers import Dense# data splited into input (X) and output (y) variablesmodel = Sequential()model.add(Dense(12, input_dim=456, activation='relu'))model.add(Dense(8, activation='relu'))model.add(Dense(8, activation='sigmoid'))model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

以下是我y和X的维度：

print(y.shape, X.shape)(8000, 1) (8000, 456, 3)

我有8000个子集，每个子集包含456个粒子（x, y, z）；我的标签在y中，范围从0到7；这也是为什么我的输出层有8个节点的原因。

但是当我使用以下代码进行拟合时：

model.fit(X, y, epochs=15, batch_size=10)

我不明白为什么会出现这个错误：

ValueError: Error when checking input: expected dense_26_input to have 2 dimensions, but got array with shape (8000, 456, 3)

有什么建议吗？

回答：

为了回答你的问题，你可以通过以下方式实现你想要的效果：

from tensorflow.keras import Sequentialfrom tensorflow.keras.layers import Densemodel = Sequential()model.add(Dense(12, input_shape=(456,3), activation='relu'))model.add(Dense(8, activation='relu'))model.add(Dense(8, activation='sigmoid'))model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])model.summary()

编辑：

我想你寻找的是这种类型的架构：

from tensorflow.keras import Sequentialfrom tensorflow.keras.layers import Dense, Flattenmodel = Sequential()model.add(Dense(12, input_shape=(456,3), activation='relu'))model.add(Flatten())model.add(Dense(8, activation='relu'))model.add(Dense(8, activation='softmax'))model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])model.summary()

这样它只会输出8个标签