Keras分类CSV格式MNIST数据集报形状不兼容错误如何解决？

报错原因 #

• 全连接Dense层默认仅对输入张量的最后一个维度执行全连接计算，你当前输入到模型的x_train形状为(60000, 28, 28)，第一层Dense的输入形状设置为(28,28)，因此每经过一层Dense，输出形状都会保留前两个维度，到最后输出层时输出形状为(None, 28, 10)
• 你的标签y_train是独热编码后的(None, 10)形状，二者维度不匹配，因此损失函数计算时报错

修正方案 #

方案1：在输入层后添加展平层（最简便） #

在模型第一层之前添加Flatten层，把二维的28*28图像展平为一维的784维向量，修正后的模型定义部分代码如下：

model = Sequential()
# 新增Flatten层，将(28,28)的二维输入展平为(784,)的一维向量
model.add(layers.Flatten(input_shape=(x_train.shape[1:])))
model.add(Dense(units=32, activation='sigmoid'))
model.add(Dense(units=64, activation='sigmoid'))
model.add(Dense(units=10,activation='softmax'))

方案2：提前对训练数据做维度压缩 #

在加载数据后直接将x的形状从(60000,28,28)修改为(60000, 784)，对应修改模型输入形状即可：

# 加载数据后新增代码
x_train = x_train.reshape(x_train.shape[0], -1)
x_test = x_test.reshape(x_test.shape[0], -1)

# 模型输入层对应修改为
model.add(Dense(units=32, activation='sigmoid',input_shape=(784,)))

额外优化建议 #

你可以对输入像素值做归一化处理，模型收敛速度会明显提升：

x_train = x_train / 255.0
x_test = x_test / 255.0

内容的提问来源于stack exchange，提问作者ELI