Tensorflow/Keras：模型输出层期望的输入形状与其接收的形状不同

Question

我这几天一直在寻找这个问题的答案，但我在互联网上找不到的任何东西似乎都特别适用于我遇到的错误：

ValueError: Error when checking target: expected dense_1 to have shape (1, 300) but got array with shape (1, 60)

这是我正在使用的模型：

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])

我能够拥有网络训练的唯一方法是将输出层中的节点数（在本例中为错误消息中的dense_1）设置为等于 60，即我的模型为其输入所接受的值的数量.

我还通过一个完全连接的模型运行了这些数据，其中出现了相同的结果，如果输出中的节点数不是 60，则会出错。

我尝试通过在 tensorflow 网站上运行 mnist 时尚分类示例来查看是否是我的 tensorflow 版本或 python 版本引起了问题，但这运行没有错误，并且训练良好。

然后我用 mnist 时尚示例中使用的模型替换了我的模型，除了将输入形状更改为 (60,) 因为我的数据是一维的，我得到了同样的错误：

ValueError: Error when checking target: expected dense_1 to have shape (10,) but got array with shape (60,)

除了这一次它显示出对输入形状的轻微改变，因为第一个错误发生在一个输入有 Conv1D 的模型中。

所有这一切都让我相信错误存在于我的数据中，因为我非常确信这不是我的模型的错误，因为它发生在多个不同的模型中。

Answer 1

您需要添加Flatten 层，以便将来自Conv1D 层的数据展平为Dense 层。

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(), # This layer should be added
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])