检查模型目标时出错：传递给模型的Numpy数组列表不是模型预期的大小

Question

我试图根据4个输入来预测3个材料特性。 输入：热率，温度，压力，时间 输出：密度，晶粒度，硬度

我已经尝试使用group_by(A,B)，np.array()和tf.reshape()无效

np.ndarray()

ValueError：检查模型目标时出错：传递给模型的Numpy数组列表不是模型预期的大小。预计会看到1个数组，但获得了以下3个数组的列表

我希望训练机器以提供这3个输出，并以相应的实际值绘制它们并得到错误。

Answer 1

我想您正在尝试传递形状为[行，列]的数组作为输入，您提到的列数=4。如果是这种情况，下面的代码应该对您有用。

输入形状中的None对应于数据（或行）的长度。

model = keras.Sequential([
            layers.Dense(64, activation = tf.nn.sigmoid, input_shape = [None, 4]),
            layers.Dense(64, activation = tf.nn.relu),
            layers.Dense(64, activation = tf.nn.relu),
            layers.Dense(3)
        ])

上面的模型接受一个大小为4的输入，并将其沿着64个神经元的3个隐藏层传递，并输出大小为3的向量。