Question

我正在按照教程步骤进行训练，如https://www.tensorflow.org/alpha/tutorials/keras/overfit_and_underfit所述，使用Tensorflow训练神经网络

在训练数据ValueError上运行拟合函数时遇到输入形状有问题。

模型架构：

NUM_WORDS = 10000
baseline_model = keras.Sequential([
    keras.layers.Dense(16, activation = 'relu',input_shape(NUM_WORDS,)),
    keras.layers.Dense(16, activation = 'relu'),
    keras.layers.Dense(1, activation = 'sigmoid')
])

baseline_model.compile(optimizer='adam', 
                       loss='binary_crossentropy', 
                       metrics=['accuracy', 'binary_crossentropy'])
baseline_model.summary()

baseline_history = baseline_model.fit(train_data, 
                                      train_labels, 
                                      epochs=20, 
                                      batch_size=512, 
                                      validation_data=(test_data, test_labels), 
                                      verbose=2)

-------------------------------------------------- ---------------------------- ValueError Traceback（最近的呼叫   最后）         4 batch_size = 512，         5validation_data =（test_data，test_labels），   ----> 6 verbose = 2）

〜/ env_tensorflow2_alpha / lib / python3.6 / site-packages / tensorflow / python / keras / engine / training.py   适合（自我，x，y，batch_size，时代，冗长，回调，   validate_split，validation_data，随机播放，class_weight，   sample_weight，initial_epoch，steps_per_epoch，validation_steps，   validation_freq，max_queue_size，工作者，use_multiprocessing，   ** kwargs）       816 batch_size = batch_size，       817个步骤= validation_steps，   -> 818 steps_name ='validation_steps'）       819 elifvalidation_split和0。
〜/ env_tensorflow2_alpha / lib / python3.6 / site-packages / tensorflow / python / keras / engine / training.py   在_standardize_user_data（self，x，y，sample_weight，class_weight，   batch_size，check_steps，steps_name，steps，validation_split，shuffle，   extract_tensors_from_dataset）2594 feed_input_shapes，
  2595 check_batch_axis = False，＃不强制执行批处理   尺寸。   -> 2596 exception_prefix ='input'）2597 2598如果y不为None：

〜/ env_tensorflow2_alpha / lib / python3.6 / site-packages / tensorflow / python / keras / engine / training_utils.py   在standardize_input_data（数据，名称，形状，check_batch_axis，   exception_prefix）       347'：预期的'+名称[i] +'具有形状'+       348 str（shape）+'但是得到了数组'+   -> 349 str（数据形状））       350返回数据       351

ValueError：检查输入时出错：预期density_21_input具有   形状（10000，），但数组的形状为（1，）

train_data和train_labels具有以下形状：

print("Train data shape: ", train_data.shape)
print("Train label shape: ", train_labels.shape)

训练数据形状：（25000，10000）火车标签形状：（25000，）

为什么在这里出现错误，我是否需要在输入数组中为batch_size容纳另一个维度？

我正在使用Tensorflow版本：2.0.0-alpha0 在此先感谢！

Answer 1

除了行中的一个小错误，

keras.layers.Dense(16, activation = 'relu',input_shape(NUM_WORDS,))

您错过了一个=的地方，

keras.layers.Dense(16, activation = 'relu',input_shape=(NUM_WORDS,))

我能够在Google colab空间中运行相同的代码而没有错误。

希望这会有所帮助！

使用Tensorflow训练模型的输入数组形状应该是什么

1 个答案: