当我运行我的代码时，我得到了一个值错误，错误信息如下：
ValueError: Input dimension mis-match. (input[0].shape[1] = 1, input[2].shape[1] = 20)Apply node that caused the error: Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)](Dot22.0, InplaceDimShuffle{x,0}.0, InplaceDimShuffle{x,0}.0)Toposort index: 18Inputs types: [TensorType(float64, matrix), TensorType(float64, row), TensorType(float64, row)]Inputs shapes: [(20, 1), (1, 1), (1, 20)]Inputs strides: [(8, 8), (8, 8), (160, 8)]Inputs values: ['not shown', array([[ 0.]]), 'not shown']Outputs clients: [[Elemwise{Composite{((i0 * i1) / i2)}}(TensorConstant{(1, 1) of 2.0}, Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)].0, Elemwise{mul,no_inplace}.0), Elemwise{Sqr}[(0, 0)](Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)].0)]]我的训练数据是一个矩阵，包含如下条目…
[ 815.257786 320.447 310.841]我输入到训练函数的批次形状为 (BATCH_SIZE, 3)，类型为 TensorType(float64, matrix)
我的神经网络非常简单：
self.inpt = T.dmatrix('inpt') self.out = T.dvector('out') self.network_in = nnet.layers.InputLayer(shape=(BATCH_SIZE, 3), input_var=self.inpt) self.l0 = nnet.layers.DenseLayer(self.network_in, num_units=40, nonlinearity=nnet.nonlinearities.rectify, ) self.network = nnet.layers.DenseLayer(self.l0, num_units=1, nonlinearity=nnet.nonlinearities.linear )我的损失函数是：
pred = nnet.layers.get_output(self.network) loss = nnet.objectives.squared_error(pred, self.out) loss = loss.mean()我有点困惑为什么会出现维度不匹配。我传递了正确的输入和标签类型（按照我的符号变量），并且我的输入数据的形状与我给InputLayer的预期的’shape’参数相对应。我认为问题出在如何指定批次大小上，因为当我使用批次大小为1时，我的网络可以正常训练，并且错误信息中的input[2].shape[1]值就是我的批次大小。我对机器学习还比较新手，任何帮助都将不胜感激！
回答：
原来问题出在我的标签维度设置错误。
我的数据形状为：
x_train.shape == (batch_size, 3)y_train.shape == (batch_size,)我的网络的符号输入为：
self.inpt = T.dmatrix('inpt')self.out = T.dvector('out')通过重塑y_train，我解决了这个问题。然后我将符号输出变量改为矩阵以适应这些变化。
y_train = np.reshape(y_train, y_train.shape + (1,))# y_train.shape == (batch_size, 1)self.out = T.dmatrix('out')