使用Keras功能API进行分类的神经网络：一次热编码的y_train；不兼容的形状误差

永远的学习者

我正在使用Keras的功能API来构建简单的顺序神经网络。这是X_train和y_train_encoded（具有10个类的单次热编码y_train）的形状。

X_train.shape

(60000, 28, 28)

y_train_encoded

(60000, 10)

我指定了体系结构，对其进行了编译，并对其进行了如下训练：

input = keras.layers.Input(shape=(28,28))
hidden1 = keras.layers.Dense(128, activation="relu")(input)
hidden2 = keras.layers.Dense(128, activation="relu")(hidden1)
hidden3 = keras.layers.Dense(28, activation="relu")(hidden2)
output = keras.layers.Dense(10, activation="softmax")(hidden3)
model = keras.models.Model(inputs=[input], outputs=[output])

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

history=model.fit(X_train, y_train_encoded, epochs=20, validation_split=0.2)

我在下面收到ValueError。

ValueError: Shapes (32, 10) and (32, 28, 10) are incompatible

我想知道你们是否可以指出我要去哪里错了。我真的很感谢您的帮助。

安德烈

添加Flatten()图层：

input = keras.layers.Input(shape=(28,28))
flatten = keras.layers.Flatten()(input)
hidden1 = keras.layers.Dense(128, activation="relu")(flatten)
hidden2 = keras.layers.Dense(128, activation="relu")(hidden1)
hidden3 = keras.layers.Dense(28, activation="relu")(hidden2)
output = keras.layers.Dense(10, activation="softmax")(hidden3)
model = keras.models.Model(inputs=[input], outputs=[output])

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。