python关于深度学习的训练模型(毕设救急)
我的数据集中的是20*7787的矩阵，标签是20*1的矩阵训练这个数据集，想要用音频特征区分不同的说话人
一共5个说话人，每个人4段音频
下面是训练模型的代码：
程序代码：
#构建模型
network=models.Sequential()
network.add(layers.Dense(512,activation='relu',input_shape=(7787,)))#设置第一层神经元，输入变量规模为(599,13)
network.add(layers.Dense(5,activation='softmax'))#设置输出层神经元，神经元个数为5，即将输入变量分成5类(5个说话人)
(optimizer='rmsprop',#优化器：基于训练数据和损失函数来更新网络的机制
loss='categorical_crossentropy',#损失函数：网络如何衡量在训练数据上的性能
metrics=['accuracy'])#在训练和测试过程中需要监控的指标
#训练模型
network.fit(norm_x,names,epochs=2,batch_size=5)
但是运行之后结果出现下面的错：
ValueError: Shapes (5, 1) and (5, 5) are incompatible
请问各位大神，这是怎么回事
[此贴子已经被作者于2021-4-11 21:54编辑过]
