python构建神经网络训练模型的问题？

Question

使用自己的数据集训练模型：区别不同说话人

数据是（25*7787）的矩阵，标签是（25*1），要区别出5个不同的说话人

以下是训练模型部分的代码：

#构建模型
network=models.Sequential()
#设置第一层神经元
network.add(layers.Dense(1024,activation='relu',input_shape=(7787,)))
#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)
network.add(layers.Dense(5,activation='softmax'))

#optimizer优化器：基于训练数据和损失函数来更新网络的机制
#loss损失函数：网络如何衡量在训练数据上的性能
#metrics:在训练和测试过程中需要监控的指标

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

#训练模型
network.fit(norm_x,names,epochs=2,batch_size=5)

但是运行之后会出现以下错误：

ValueError: Shapes (5, 1) and (5, 5) are incompatible

不知道是哪里出了问题，有哪位大佬可以解答一下吗

Answer 1

input_shape=(7787,)这里是不是少了一个参数