Keras全连接层输入为2D矩阵时训练报数据基数错误求助

问题原因 #

• 你构造的X是Python列表类型，没有转换为Numpy数组，Keras解析输入形状时会出现异常
• 全连接层Dense默认仅作用在张量的最后一个维度，你输入的单样本形状是(69,11)，不经过展平直接传入Dense层的话，最终模型输出形状是(None, 69, 1)，和标签y的形状(100,)完全不匹配，因此触发样本基数不匹配的报错。

解决方案 #

两步修改即可正常运行：

1. 构造完模拟数据后，将X转换为Numpy数组：

X = np.array(X)

2. 模型第一层添加Flatten层，将每个样本的2D矩阵展平为1D向量，匹配后续全连接层和标签的形状要求，修正后的模型构造代码如下：

model = Sequential()
# 新增Flatten层，把(69,11)的2D输入展平为759维的1D向量
model.add(Flatten(input_shape=(dim1, dim2)))
model.add(Dense(units=11, activation='relu'))
model.add(Dense(units=11, activation='relu'))
model.add(Dense(units=1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

修正后模型的输出形状会是(None, 1)，和标签y的形状匹配，调用model.fit(X, y)即可正常训练。

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