搭建前馈神经网络遇输入形状不兼容错误求助

这个错误的核心是输入数据形状和模型输入层要求不匹配：你加载的MNIST图像是(28,28)的二维矩阵，但模型输入层期望的是扁平化后的784维一维向量。下面是两种直接的解决方法：

方法一：预处理阶段扁平化数据 #

在加载MNIST数据集后，对训练集和测试集的输入数据做reshape操作，将每个28×28的图像转换为784维的一维向量：

# 假设你加载数据的代码是：
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 添加reshape步骤
x_train = x_train.reshape(-1, 784)
x_test = x_test.reshape(-1, 784)

# 建议同时做数据归一化，提升模型收敛效果
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255

-1表示让程序自动计算样本总数，确保不会改变样本数量，只调整单样本的形状。

方法二：在模型中添加Flatten层 #

如果不想修改原始数据的形状，可以在模型的最开头加入Flatten层，让模型自动完成二维图像到一维向量的转换：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.optimizers import SGD

model = Sequential([
    Flatten(input_shape=(28, 28)),  # 自动将(28,28)的输入转为(784,)
    Dense(256, activation='sigmoid'),
    Dense(128, activation='sigmoid'),
    Dense(10, activation='softmax')
])

# 后续编译和训练代码保持不变
model.compile(optimizer=SGD(learning_rate=0.01),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=100, batch_size=128, validation_data=(x_test, y_test))

另外需要注意：如果使用categorical_crossentropy作为损失函数，需要将标签y_train和y_test转换为独热编码格式，比如用to_categorical函数：

from tensorflow.keras.utils import to_categorical

y_train = to_categorical(y_train, 10)
y_test = to_categorical(y_test, 10)

内容的提问来源于stack exchange，提问作者Kakao.uchi