ValueError: Input 0 of layer \"value\" is in compatible with the layer: expected min_ndim=2, found ndim=1

Question

我是 tensorflow 的新手。当我尝试修改模型结构时，我使用 tf.reshape(r,[4,]) 将形状为 (None,1) 的张量“r”转换为一维张量，然后将其输入到密集层。一维张量的shape为(4,)，dense layer的input_shape设置为(4,)，出现错误。 ValueError：图层“值”的输入 0 与图层不兼容：预期 min_ndim=2，发现 ndim=1。收到的完整形状：（4，） 如果您能帮我解决这个问题，我将不胜感激 我的张量流版本是 2.10.0

Answer 1

您应该将数据作为(samples or batch, data shape) 传递。因此，输入数据至少有 2 个维度。

model = tf.keras.models.Sequential()
model.add(tf.keras.Input(shape=(4,)))
model.add(tf.keras.layers.Dense(32, activation='relu'))
model.add(tf.keras.layers.Dense(32))
x=tf.random.normal((4,))
y=tf.random.uniform((4,),0,1)
model.compile('rmsprop','binary_crossentropy',)
model.fit(x,y)

上面的代码引发以下值错误

Input 0 of layer "dense_2" is incompatible with the layer: expected min_ndim=2, found ndim=1. Full shape received: (None,)

将输入形状更改为（批量，数据形状）后，模型工作正常。

model = tf.keras.models.Sequential()
model.add(tf.keras.Input(shape=(4,)))
model.add(tf.keras.layers.Dense(32, activation='relu'))
model.add(tf.keras.layers.Dense(32))
# The input data should be of shape (batch_size, data shape)
x=tf.random.normal((120,4,))
y=tf.random.uniform((120,),0,1)
model.compile('rmsprop','binary_crossentropy',)
model.fit(x,y)

输出：

4/4 [==============================] - 2s 3ms/step - loss: 4.2611
<keras.callbacks.History at 0x7fa2e901db90>