我目前正在努力了解如何使用 keras 训练我的回归网络。我不确定我应该如何将输入数据传递到网络。

输入数据和输出数据都存储为 numpy 数组列表。

每个输入 numpy 数组是一个具有（400 行，x 列）的矩阵 每个输出 numpy 数组是一个具有（x 行，13 列）的矩阵

所以输入维度是 400，输出是 13。但是我如何将列表中的每个集合传递给训练？

# Multilayer Perceptron
model = Sequential()    # Feedforward
model.add(Dense(3, input_dim=400, output_dim=13))
model.add(Activation('tanh'))
model.add(Dense(1))
model.compile('sgd', 'mse')

我知道 model.fit 在给定参数的情况下训练模型，它实际上如何接收数据对我来说似乎有点像魔术，以及它如何知道矩阵 A 的列应该映射到矩阵 B 的行这必须是为整个矩阵完成，附加到列表中。