深度学习：坚持使用MLP创建简单的多分类模型

Question

每当我尝试编译模型时，都会出现此错误：

我的X_train是形状为75859,99,13的数组，我将其展平为（75859，1287）。 它包含有关从wav文件提取的梅尔频率倒谱系数的信息。 y_train不是形状（75859，35），它包含所有标签。

from keras import models
from keras import layers
from keras import Sequential
from keras import backend as K

import logging
logging.getLogger('tensorflow').disabled = True # Remove some unwanted warnings

model = Sequential()
model.add(layers.Dense(64, activation = 'relu', input_dim = X_train.shape[1], ))
model.add(layers.Dense(64, activation = 'relu'))
model.add(layers.Dense(y_train.shape[1], activation = 'softmax'))

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


Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 64)                82432     
_________________________________________________________________
dense_2 (Dense)              (None, 64)                4160      
_________________________________________________________________
dense_3 (Dense)              (None, 35)                2275      
=================================================================
Total params: 88,867
Trainable params: 88,867
Non-trainable params: 0
_________________________________________________________________


model.fit(X_train, y_train,
          epochs=10, batch_size=4, verbose=1)

ValueError：Tensor（“ training / RMSprop / Variable：0”，shape =（1287，64），dtype = float32_ref）必须与Tensor（“ RMSprop / rho / read：0”，shape =（），来自同一张图， dtype = float32）。

我还尝试使用稀疏的categorical_crossentropy作为损失，但是在这种情况下，就是这样：

检查目标时出错：预期density_7的形状为（1，），但数组的形状为（35，）