我想使用Neupy构建一个神经网络。因此，我构建了以下架构：
network = layers.join( layers.Input(10), layers.Linear(500), layers.Relu(), layers.Linear(300), layers.Relu(), layers.Linear(10), layers.Softmax(), )我的数据形状如下：
x_train.shape = (32589,10)y_train.shape = (32589,1)当我尝试使用以下代码训练这个网络时：
model.train(x_train, y_trian)我得到了以下错误：
ValueError: Input dimension mis-match. (input[0].shape[1] = 10, input[1].shape[1] = 1)Apply node that caused the error: Elemwise{sub,no_inplace}(SoftmaxWithBias.0, algo:network/var:network-output)Toposort index: 26Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]Inputs shapes: [(32589, 10), (32589, 1)]Inputs strides: [(80, 8), (8, 8)]Inputs values: ['not shown', 'not shown']Outputs clients: [[Elemwise{Composite{((i0 * i1) / i2)}}(TensorConstant{(1, 1) of 2.0}, Elemwise{sub,no_inplace}.0, Elemwise{mul,no_inplace}.0), Elemwise{Sqr}[(0, 0)](Elemwise{sub,no_inplace}.0)]]我应该如何修改我的网络以适应这种数据类型？
非常感谢！
回答：
你的架构有10个输出，而不是1个。我假设你的y_train函数是一个0-1类标识符。如果是这样的话，你需要将你的结构更改为如下：
network = layers.join( layers.Input(10), layers.Linear(500), layers.Relu(), layers.Linear(300), layers.Relu(), layers.Linear(1), # 单一输出 layers.Sigmoid(), # Sigmoid更适合二分类)你可以让它变得更简单
network = layers.join( layers.Input(10), layers.Relu(500), layers.Relu(300), layers.Sigmoid(1),)它之所以有效，是因为layers.Liner(10) > layers.Relu()与layers.Relu(10)是相同的。你可以在官方文档中了解更多：http://neupy.com/docs/layers/basics.html#mutlilayer-perceptron-mlp
