Tensorflow数据集和网络的形状不匹配

Question

在使用Tensorflow 2定义非常简单的网络时，我遇到了与形状有关的错误。

我的代码是：

import tensorflow as tf
import pandas as pd

data = pd.read_csv('data.csv')

target = data.pop('result')
target = tf.keras.utils.to_categorical(target.values, num_classes=3)
data_set = tf.data.Dataset.from_tensor_slices((data.values, target))

model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=data.shape[1:]),
    tf.keras.layers.Dense(12, activation='relu'),
    tf.keras.layers.Dense(3, activation='softmax')
])

model.compile(optimizer='adam', loss='categorical_crossentropy')
model.fit(data_set, epochs=5)

对fit（）的调用引发以下错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have value 12 but received input with shape [12, 1]

遍历代码：

1. 输入的CSV文件有十三列-最后一列是标签
2. 这将转换为3位一键编码
3. 数据集由两个张量构成-一个为（12，）形状，另一个为（3，）形状
4. 网络输入层将其期望形状定义为值数据形状，而忽略了第一个轴（批次大小）

对于为什么网络的数据形状和预期的数据形状不匹配，我感到很困惑-尤其是因为后者是通过引用前者来定义的。

Answer 1

在数据集的末尾添加.batch()：

data_set = tf.data.Dataset.from_tensor_slices((data.values, target)).batch(8)