Question

我正在使用keras，当我尝试model.fit时，它会引发错误，因为X_Train和Y_Train输入的形状不兼容。

我拥有的数据是10个输入和1个输出的系统。而且我正在使用9次数据迭代作为测试，因此我有9个形状为[10，1]的向量的列表，因此，X_Train.shape = [9，10，1]是可以理解的。我的输出是9个值的列表，这些值使Y_Train.shape = [9,1]。但是我得到这个错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [9,1] vs. [9,10,1]

我假设Y_Train向量的正确形状必须为[9，1，1]，但找不到找到它的形状的方法。

基于此，我有两个问题：根据我对问题的描述，[9，1，1]是正确的预期形状吗？以及如何使其符合预期形状？

Answer 1

通过keras中的计算图传递的输入形状为

类型

(?, x.shape[1], x.shape[2], ....)   #As seen in model.summary()

第一个？是传递样本（数据集中的行）的通道。您可以批量传递它们，这样就可以在拟合模型本身时定义它们。

但是，设置图层的形状时，将其设置为

(x.shape[1], x.shape[2], ....)

Keras自动在批次的开头添加第一个通道。因此，如果数据集中的每一行都是长度为10的一维数组，那么，

## For keras functional API
inp = Input((10,))

## For keras sequential API
model = Sequential([
    Dense(32, input_shape=(10,))
])

如果您使用的是3-D数据集，则数据集中的每个“行”或样本都是（10,10）形状的二维数组：

## For keras functional API
inp = Input((10,10))

## For keras sequential API
model = Sequential([
    Dense(32, input_shape=(10,10))
])

特定于您的问题，因为您有9个形状为（10,1）的数组的列表。您应该简单地忽略9，因为在第一个通道上传递的是（？，10，1）。因此，将输入形状定义为（10，）或（10,1）