检查输入时出错：预期dense_1_input 的形状为(784，)，但得到的数组的形状为(10，)答案

【问题标题】：Error when checking input: expected dense_1_input to have shape (784,) but got array with shape (10,)检查输入时出错：预期dense_1_input 的形状为(784，)，但得到的数组的形状为(10，)
【发布时间】：2020-04-01 00:32:21
【问题描述】：

我正在通过一本书来研究 Keras。
并且我执行了书中的代码，但我得到了错误。

from keras.utils import np_utils
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Activation
import numpy as np
from numpy import argmax

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train.reshape(60000, 784).astype('float32') / 255.0
x_test = x_test.reshape(10000, 784).astype('float32') / 255.0

x_train = np_utils.to_categorical(y_train)
x_test = np_utils.to_categorical(y_test)

x_val = x_train[:42000]
x_train = x_train[42000:]
y_val = y_train[:42000]
y_train = y_train[42000:]

model = Sequential()
model.add(Dense(units=64, input_dim=28*28, activation='relu'))
model.add(Dense(units=10, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5, batch_size=32, validation_data=(x_val, y_val))

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=32)
print('')
print('loss_and_metrics : ' + str(loss_and_metrics))

from keras.models import load_model
model.save('mnist_mlp_model.h5')

错误信息：

ValueError: Error when checking input: expected dense_1_input to have shape (784,) but got array with shape (10,)

我找到了other relative question。这是由尺寸问题引起的，但我认为我的不是原因。

我该怎么办？

【问题讨论】：

标签： python numpy tensorflow keras deep-learning

【解决方案1】：

MNIST 只有 10 个类别，因为这些是从 0 到 9 的数字，但在您的代码中有一行：

model.add(Dense(units=64, input_dim=28*28, activation='relu'))

上面写着input_dim=768——你可能想摆脱：

x_train = np_utils.to_categorical(y_train)
x_test = np_utils.to_categorical(y_test)

因为：

>>> x_test = np_utils.to_categorical(y_test)
>>> x_test.shape
(10000, 10)

【讨论】：