Input 0 of layer dense is incompatible with the layer: expected axis -1 of input shape to have value

​​​​​​

使用Keras的Sequential框架搭建神经网络模型，在使用模型分类时报错：

Input 0 of layer dense is incompatible with the layer: expected axis -1 of input shape to have value 784 but received input with shape [None, 28]

报错部分代码：

    model.fit(train_image, train_label_onehot, epochs=5)  
    print(model.predict(train_image[0]))  

分析报错原因：

报错内容的大致意思为：第0层全连接层的输入与该层不兼容（该模型的第0层采用的Flatten层），期望输入的最后那个维度的形状有784个变量，但是实际接收到的输入的形状是 [None, 28]

分析：很明显，这个错误是维度上的问题。
所以在train_image[0]再添加一个中括号，改为train_image[[0]]
各表达的形状：

    print(train_image.shape)
    print(train_image[0].shape)
    print(train_image[[0]].shape)

输出为

(60000, 28, 28)
(28, 28)
(1, 28, 28)

从结果中可以看出，从测试集本身有三个维度，从测试集中取出一个样本，变成了两个维度，所以才会报错。

总结

针对这个相似的报错的问题，基本只有两种原因：

①维度不匹配
②维度匹配但这一维度的变量数不匹配，导致无法输入到模型中去