我在使用Tensorflow 1.5处理Mnist数据集时遇到问题。当我尝试拟合模型时，出现以下错误：

期望dense_input具有2个维度，但得到的数组形状为(60000, 28, 28)

请看我的代码

import tensorflow as tf(train_imgs, train_labels ) , (test_imgs , test_labels ) = tf.keras.datasets.mnist.load_data()model = tf.keras.Sequential()model.add(tf.keras.layers.Dense(512,activation=tf.nn.relu,input_shape = (784,)))model.add(tf.keras.layers.Dense(256,activation=tf.nn.relu) )model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))model.compile(loss='categorical_crossentropy' , optimizer='adam')model.fit(train_imgs,train_labels,epochs=5)

这是由于版本依赖还是代码错误导致的？

还是我需要重塑数据集？

回答：

import tensorflow as tf(train_imgs, train_labels ) , (test_imgs , test_labels ) = tf.keras.datasets.mnist.load_data()

你需要重塑数据。像你这样的多层感知机（MLP）不接受二维数组。通过以下方式重塑：

train_x = train_imgs.reshape(60000, 28*28)test_x = test_imgs.reshape(10000, 28*28)# 你需要对标签进行独热编码from sklearn.preprocessing import LabelEncoder, OneHotEncoderdef one_hot_encode(labels, universe=None):    """    这个独热编码器可以处理分类和数值数据。    如果标签不包含所有类别/数字，或者你希望独热编码按特定顺序（而不是自动的字母顺序）进行，请使用`universe=`。    `labels=` 是要进行独热编码的类别/数字标签。    """    if universe is None:        universe = sorted(list(set(labels)))    nums = LabelEncoder().fit(universe).transform(labels)    one_hot = OneHotEncoder(sparse=False).fit(np.array(universe).reshape(-1, 1))\              .transform(np.array(nums).reshape(-1, 1))    return one_hottrain_labels_1h = one_hot_encode(train_labels)test_labels_1h  = one_hot_encode(test_labels)# 定义轮数epochs = 5# 定义模型def create_model():    model = tf.keras.Sequential()    model.add(tf.keras.layers.Dense(512,activation=tf.nn.relu,input_shape = (784,)))    model.add(tf.keras.layers.Dense(256,activation=tf.nn.relu) )    model.add(tf.keras.layers.Dense(10,activation=tf.nn.softmax))    model.compile(loss='categorical_crossentropy' , optimizer='adam')    return model# "实例化"一个模型model = create_model()# 然后运行model.fit(train_x, train_labels_1h, epochs=epochs)

然后使用它们进行训练和测试。