我是Keras的新手，遇到一个问题，就是无法运行一个多于一维的模型。因此，我尝试了一些样本。这是其中一个样本。

from keras.models import Sequentialfrom keras.layers import Denseimport numpy as npX_train = np.array([[[1, 2], [3, 4]], [[1, 2], [3, 4]]])model = Sequential([    Dense(32, input_shape=X_train.shape[1:]),])model.compile(loss='sparse_categorical_crossentropy', optimizer='sgd')model.fit(X_train, [1, 2])

我期望上面的样本能够运行，但我得到了一个错误

Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (2, 1)

这是什么原因呢？有谁能举个例子说明如何运行一个多维输入的Keras模型，即输入应该如何构建？谢谢你。

回答：

我建议你对输出类别进行独热编码，即使用以下方法：

# Convert labels to categorical one-hot encodinglabels = np.array([1, 2]) # 0 - num_classes - 1y_train = keras.utils.to_categorical(labels, num_classes=3)

然后使用’categorical_crossentropy’替代’sparse_categorical_crossentropy’：

model.compile(loss='categorical_crossentropy',              optimizer=sgd,              metrics=['accuracy'])

最后，如果你希望从3D输入得到2D输出（样本 x 类别），你应该在某个点上将输入展平。输出层的单元数（你只有一个）应该与类别数匹配，并使用适当的激活函数（例如’softmax’）

model.add(Flatten(input_shape=X_train.shape[1:]))model.add(Dense(3, activation='softmax'))

请查看多层感知器（MLP）用于多类softmax分类的相关内容，网址为：https://keras.io/getting-started/sequential-model-guide/