运行6输入6输出神经网络遇ValueError：Dense层输入维度不兼容

问题原因 #

Keras的Dense层要求输入至少是2维张量，形状为(样本数, 特征数)。你传入的[x1,x2,x3,x4,x5,x6]是1维列表，形状为(6,)，模型无法识别这是1个带6个特征的样本，因此抛出维度不兼容错误。

解决步骤 #

• 将输入、输出数据转换为2维结构（嵌套列表或numpy数组），让形状变为(1, 6)（1个样本，6个特征/输出）
• 单个样本训练时，batch_size不能大于样本数量，需调整为1

修正后的完整代码 #

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 输入：转为2维数组（1个样本，6个特征）
X = np.array([[0, 0, 0, 0, 0, 0]])
# 输出：转为2维数组（1个样本，6个输出）
y = np.array([[0, 0, 0, 0, 0, 1]])

# 创建模型
model = Sequential()
model.add(Dense(12, input_dim=6, activation='relu'))
model.add(Dense(6, activation='sigmoid'))

# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型：单个样本时batch_size设为1
model.fit(X, y, epochs=150, batch_size=1)

# 评估模型
scores = model.evaluate(X, y)

print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

补充说明 #

如果后续有多个训练样本，比如N个，输入形状要对应(N, 6)，输出对应(N, 6)，此时可以根据样本数量设置合理的batch_size（比如10）。

内容的提问来源于stack exchange，提问作者Omega_skyres 9