我正在尝试运行一个简单的神经网络,我已经使用以下代码实现了功能的扁平化:
training_dataset = (
tf.data.Dataset.from_tensor_slices(
(
tf.cast(ballast_train[features].values, tf.float64),
tf.cast(ballast_train[target].values, tf.int32)
)
)
)
for features_tensor, target_tensor in training_dataset:
print(f'features:{features_tensor} target:{target_tensor}')
features:[0.46029711 0.33290338 0.78302964 0.10295655 0.5890411 ] target:5
features:[0.63530873 0.90712946 0.27781778 0.10295655 0.45988258] target:5
features:[0.68413444 0.81390713 0.8448272 0.65073914 0.46771037] target:2
现在,我尝试运行以下代码,但无法正确获取代码的tf.keras.Input()部分
`inputs = tf.keras.Input(shape=(5,))
x = tf.keras.layers.Dense(100, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(15, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
model.compile(optimizer='adam',
loss='mean_squared_error',
metrics=['accuracy'])
model.fit(training_dataset, epochs=5)`
尝试拟合模型时,会发生以下错误:
ValueError: Error when checking input: expected input_10 to have shape (5,) but got array with shape (1,)
“形状”参数中应该包含什么?这里有我遗漏的东西吗
This question有一个类似的问题,它可能也适用于您的情况。请尝试以下操作以查看其是否有效:
其中需要为
batch_size
提供一个值如果这不起作用,我总是倾向于为tf.keras.Model.fit中的
x
和y
单独的参数提供特性和示例。您可以尝试修改代码来实现这一点,而不是将它们合并到数据集中相关问题 更多 >
编程相关推荐