我在Keras中尝试构建一个简单的模型，希望输入一个大小为5×3的矩阵。在下面的例子中，通过在添加第一个全连接层时使用input_shape=(5, 3)来指定这一点。

from keras.models import Sequentialfrom keras.layers import Dense, Activationfrom keras.optimizers import Adamimport numpy as npmodel = Sequential()model.add(Dense(32, input_shape=(5, 3)))model.add(Activation('relu'))model.add(Dense(32))model.add(Activation('relu'))model.add(Dense(4))adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)model.compile(loss='mean_squared_error', optimizer=adam)x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])y = model.predict(x)

然而，当我运行代码时，model.predict()函数给出了以下错误：

ValueError: Error when checking : expected dense_input_1 to have 3 dimensions, but got array with shape (5, 3)

但我不明白这个错误。变量x的形状是(5, 3)，这正是我告诉第一个全连接层期望的输入形状。为什么它因此期望三个维度？这似乎可能与批量大小有关，但我以为input_shape仅指网络的形状，与批量大小无关…

回答：

问题出在这里：

model.add(Dense(32, input_shape=(5, 3)))

应该改为：

model.add(Dense(32, input_shape=(3,)))

第一个示例维度并未包含在input_shape中。也因为它实际上依赖于网络拟合时的batch_size设置。如果你想指定，可以尝试：

model.add(Dense(32, batch_input_shape=(5, 3)))

编辑：

从你的评论中我了解到你希望你的输入具有shape=(5,3)，在这种情况下你需要：

1. 通过设置reshape你的x：

   x = x.reshape((1, 5, 3))

   其中第一个维度来自于示例。

2. 你需要在某个阶段flatten你的模型。因为如果没有它，你将通过网络传递一个2d输入。我建议你做以下操作：

   model = Sequential()model.add(Dense(32, input_shape=(5, 3)))model.add(Activation('relu'))model.add(Dense(32))model.add(Activation('relu'))model.add(Flatten())model.add(Dense(4))