ValueError：层顺序的输入 0 与层不兼容（神经网络）

Question

完全错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 20 but received input with shape (None, 1)

问题

我一直在努力建立一个神经网络，因为它不断抱怨接收到的形状。 x_trian 和 y_train 都具有 (20,) 的形状，但是当我将其输入为 input_shape 时，它​​说它预期输入形状的值是 20，但收到的是 (None,1)。

我并不了解 (None,1) 的来源，因为当我打印 x_train 和 y_train 的形状时，它会给出 (20,)。它们都是 numpy 数组。

守则

# (the training_data and testing_data are both just numpy arrays with 0 being the data and 1 being the label)
x_train = training_data[:, 0]  # training feature
y_train = training_data[:, 1]  # training label
x_test = testing_data[:, 0]  # testing feature
y_test = testing_data[:, 1]  # testing label

# Create neural network.
from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(16, input_dim=20, activation='relu', input_shape=(20,)))
model.add(Dense(12, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(2, activation='softmax'))

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

我尝试了什么

然后我将 input_shape 更改为 (None,1) 但随后显示：

ValueError: Shapes (None, 1) and (None, 1, 2) are incompatible

所以，我把它改成 (None, 1, 2) 然后它说：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 2 but received input with shape (None, 1)

然后将我送回原来的错误。

然后我发现(20,)只有1的维度所以我将input_dim改为1并得到：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected 
axis -1 of input shape to have value 20 but received input with shape (None, 1)

结论

我几乎可以肯定它与 input_dim、input_shape 或 Dense 单位（第一个模型上的 16.add（错误抱怨的那个））有关，但我非常不确定如何更改这些值以适应我的数据。

我知道形状是 (20,) 并且我知道维度是 1，所以它可能只与 Dense 单位的值有关（在第一个 model.add 上是 16，这是编译器抱怨的） .我阅读了有关单位测量它的内容，但仍然难以理解它。

Answer 1

在x_train 中，由于您有 20 个数据点并且每个数据点都是一个数字，因此正确的形状应该是 (1,)。 Keras 希望您输入每个数据点的形状，而不是整个数据集本身的长度。 例如，如果我的数据看起来像

# shape of x_train is (2,3)
# shape of each data point is (3,)    
x_train = np.array([[1,2,1],
                    [1,2,3]])

那么我的输入形状将是(3,)。

在您的情况下，您可以将模型更改为如下所示：

from keras.layers import Input

model = Sequential()
model.add(Input(shape=(1,)))
model.add(Dense(16, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(12, activation='relu'))
model.add(Dense(2, activation='softmax'))

此外，由于您使用的是loss='categorical_crossentropy'，因此您必须对y_train 使用单热编码，其形状必须为(20,2)。您可以在这里参考如何转换为一种热编码：Convert array of indices to 1-hot encoded numpy array