Python-kerasを用いたNNでのinput_dataの次元数が合わない

Question

前提・実現したいこと

kerasを用いて画像データの全結合型ニューラルネットワークの学習プロセス構築中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

プログラムが期待している入力の次元数（※1）と実際に渡している入力（※2）のnumpy配列の次元数が合わない
それぞれの次元数に関しての認識は以下の通りです。
※1：２次元
※2：4次元（2000行×1チャンネル×28ピクセル×28ピクセル）

エラーメッセージ
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-185-bd4ddb1d111d> in <module>
      1 # 訓練の実行
      2 # (x_train, y_trainはNumpy行列の学習データ)
----> 3 model.fit(X_train, y_train, epochs=2)

//anaconda3/lib/python3.7/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
    950             sample_weight=sample_weight,
    951             class_weight=class_weight,
--> 952             batch_size=batch_size)
    953         # Prepare validation data.
    954         do_validation = False

//anaconda3/lib/python3.7/site-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
    749             feed_input_shapes,
    750             check_batch_axis=False,  # Don't enforce the batch size.
--> 751             exception_prefix='input')
    752 
    753         if y is not None:

//anaconda3/lib/python3.7/site-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    126                         ': expected ' + names[i] + ' to have ' +
    127                         str(len(shape)) + ' dimensions, but got array '
--> 128                         'with shape ' + str(data_shape))
    129                 if not check_batch_axis:
    130                     data_shape = data_shape[1:]

ValueError: Error when checking input: expected dense_41_input to have 2 dimensions, but got array with shape (2000, 1, 28, 28)

### 該当のソースコード
train_data = np.load("train_data.npy")
train_label = np.load("train_label.npy")
print(train_data.shape)
print(train_label.shape)

train_sample = train_data[8].reshape(28,28)
print(train_sample)

X_train = X_train.astype('float32')
X_test = X_test.astype('float32')

X_train = (X_train - X_train.min()) / X_train.max()

model = Sequential([Dense(32, input_shape = None)])

model.add(Dense(units=64, activation='relu', input_dim=784))
model.add(Dense(units=10, activation='softmax'))

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

model.fit(X_train, y_train, epochs=2)



```ここに言語名を入力
python

### 試したこと

・学習データのshapeを（2000, 784）に変えてみる
→以下の同様なエラーメッセージが表示される。
ValueError: Error when checking input: expected dense_47_input to have shape (10,) but got array with shape (784,)

### 補足情報（FW/ツールのバージョンなど）

Answer 1

プログラムが期待している入力の次元数はSequentialに加えるlayerのinput_shape引数で宣言します。(ただし、バッチサイズは省略する)
なので、実際に渡している入力のnumpy配列の次元数である(batch_size, 1, 28, 28)を以下のようにinput_shapeにわたせばいいです。

model = Sequential()
model.add(Dense(32, input_shape = (1, 28, 28)))
# 注: 2番目以降のinput_shape, input_dimは無視されます
model.add(Dense(units=64, activation='relu', input_dim=784))
model.add(Dense(units=10, activation='softmax'))
model.summary()
"""
Model: "sequential_18"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_28 (Dense)             (None, 1, 28, 32)         928       
_________________________________________________________________
dense_29 (Dense)             (None, 1, 28, 64)         2112      
_________________________________________________________________
dense_30 (Dense)             (None, 1, 28, 10)         650       
=================================================================
...
"""

補足:

質問に素直に答えると上記のようなコードになりますが、kerasのDenseは一番うしろの次元にしか処理がかからないです。このような使い方は通常されないので少し補足させてください。
2回目のinput_dimを784にしているのは画像の次元を1次元(784)に変換してからDenseに入力したいように見えました。もしそうであれば以下のようにFlatten()を使えばバッチサイズを除いて1次元にできます。

from keras.layers import Flatten

model = Sequential(
    # [Dense(32, input_shape = None]
)
model.add(Flatten(input_shape=(1, 28, 28)))
model.add(Dense(units=64, activation='relu'))
model.add(Dense(units=10, activation='softmax'))
model.summary()
"""
Model: "sequential_16"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
flatten_7 (Flatten)          (None, 784)               0         
_________________________________________________________________
dense_23 (Dense)             (None, 64)                50240     
_________________________________________________________________
dense_24 (Dense)             (None, 10)                650       
=================================================================
...
"""

Comments

[dbrow]

ありがとうございます。解決できました。
補足もありがとうございます。
全結合型NNとCNNをごっちゃにしていましたが、どちらでもモデル構築できました。