使用Keras的Dense层训练神经网络时维度不兼容错误求解

错误原因 #

Keras的Dense层要求输入为2维张量（形状格式：(样本数量, 特征数量)），而你传入的是1维数据（例如[1,2,3,4]，形状为(4,)），缺少了「样本数量」这个维度，因此触发维度不兼容的错误。

具体解决方法 #

根据你的数据场景，可选择以下方式调整输入维度：

1. 单样本输入：扩展维度

如果你的输入是单个一维特征数组，通过添加样本维度将其转为2维张量：

import numpy as np
from keras.layers import Dense

# 原始一维输入
x = np.array([1,2,3,4])
# 扩展为(1, 4)的2维张量（1个样本，4个特征）
x_reshaped = np.expand_dims(x, axis=0)

# 初始化Dense层并计算输出
dense_layer = Dense(units=2)
output = dense_layer(x_reshaped)

2. 批量一维数据：重塑为批量格式

如果你的数据是多个一维样本的集合，将其reshape为(样本数, 特征数)的格式：

import numpy as np
from keras.layers import Dense

# 原始一维数据（包含2个样本，每个样本4个特征）
x = np.array([1,2,3,4,5,6,7,8])
# 重塑为(2, 4)的2维张量
x_batch = x.reshape(2, 4)

dense_layer = Dense(units=2)
output = dense_layer(x_batch)

3. 构建模型时指定输入形状

在Sequential模型中，直接在第一层Dense指定input_shape（仅需定义单个样本的特征维度），模型会自动处理批量维度：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
# 定义输入：每个样本含4个特征
model.add(Dense(units=8, input_shape=(4,)))
model.add(Dense(units=1))

# 后续可正常传入形状为(样本数, 4)的输入数据进行训练

内容的提问来源于stack exchange，提问作者ryan chandra