Question

我正在使用keras构建可预测糖尿病的神经网络。但是，我遇到了ValueError：将符号张量馈送到模型时，我们希望这些张量具有静态批处理大小。

我尝试更改输入形状，但仍然卡住。

num_classes = 2
from keras.layers import Input, Dense
from keras.models import Model

# This returns a tensor
inputs = Input(shape=(784,))

# a layer instance is callable on a tensor, and returns a tensor
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
predictions = Dense(10, activation='sigmoid')(x)

# This creates a model that includes
# the Input layer and three Dense layers
model = Model(inputs=inputs, outputs=predictions)
model.compile(optimizer='rmsprop',
          loss='binary_crossentropy',
          metrics=['accuracy'])
model.fit(x,y)  # starts training

跑步后 ValueError：将符号张量馈送到模型时，我们期望这些张量具有静态批处理大小。

Answer 1

由于这些行x是一个图层对象

x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)

该模型应该适合实际数据，但您可以传入一个Layer对象：

model.fit(x,y)  # starts training

简单地说，您的x是一个Layer对象，它是一个符号张量，而keras试图将其视为数据张量，但失败了。

要解决此问题，只需确保您传递的x确实是您的x训练数据即可。

Answer 2

由于当您输入模型（x，y）时x不是训练数据，因此我将代码修改为：

model.fit(x_train,y_train)  # starts training

“ ValueError：将符号张量馈送到模型时，我们期望这些张量具有静态批大小”是什么意思？

2 个答案: