我要创建神经网络模型，如下图所示
我的x_train变量的尺寸为（20204,2），而y_train变量的尺寸为（20204，）
我正在使用keras顺序模型，但是当我运行下面的代码时
model=Sequential()
model.add(Dense(output_dim = 2, init = 'uniform', activation = 'relu', input_dim=20204))
model.add(Dense(output_dim = 3,init = 'uniform',activation = 'softmax'))
model.compile(loss = 'sparse_categorical_crossentropy',optimizer = 'adam',metrics = ['accuracy'])
model.fit(x_train,y_train,batch_size=12,epochs=14)
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)
print(loss_and_metrics)
我说错了
ValueError: Error when checking input: expected dense_26_input to have shape (20204,) but got array with shape (2,)
我该如何解决这个问题？
最佳答案
当您说输入的形状为(20204, 2)时，表示您有20204个培训示例，每个示例都有2个维度。
您需要告诉您的输入期望2个维度而不是20204个。发生错误是因为您的模型希望接收20204个特征（即参数input_dim=20204），但实际上接收了2个特征。
要解决此问题，只需更改我上面提到的参数即可：
model=Sequential()
model.add(Dense(output_dim=2, init='uniform', activation='relu', input_dim=2))
model.add(Dense(output_dim=3, init='uniform', activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=12, epochs=14)
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)
print(loss_and_metrics)
编辑：
正如@today和@desertnaut正确指出的那样，您的图显示了具有4个神经元的隐藏层，而不是上面的代码将产生2个神经元。
要更改此设置，您需要用
output_dim=2替换隐藏层中的参数output_dim=4：model.add(Dense(output_dim=4, init='uniform', activation='relu', input_dim=2))