如何处理tensorflow中的数据大小错误答案

【问题标题】：How to deal with data Size error in tensorflow如何处理tensorflow中的数据大小错误
【发布时间】：2021-01-08 13:40:25
【问题描述】：

我正在制作一个张量流模型，它采用一组 6 个值并输出一个。（测试和学习目的）代码如下：

import tensorflow as tf
import numpy as np
from tensorflow import keras
import pandas as pd
a=0
model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=(6,)))
model.compile(optimizer='sgd',loss='mean_squared_error')
x=np.array(((1.0,1.0,1.0,1.0,1.0,1.0),(2.0,2.0,2.0,2.0,2.0,2.0),(3.0,3.0,3.0,3.0,3.0,3.0),(4.0,4.0,4.0,4.0,4.0,4.0)))
y=np.array((1.0,2.0,3.0,4.0))
print(x)
model.fit(x,y,epochs=100)
while True:
    a=float(input())
    print(model.predict(np.array((a,a,a,a,a,a))))

我收到以下错误：

    ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have value 6 but received input with shape [None, 1]

当我找到输入给模块的形状时，我得到了正确的形状，即 (6,0)。任何形式的帮助表示赞赏。谢谢。

【问题讨论】：

标签： python pandas numpy tensorflow keras

【解决方案1】：

您可能希望在密集层之前使用keras.layer.Input() 层，因为密集层的大小与您的输入相同，但模型希望最后一层与您的 y 值的大小相匹配，即 @987654322 @。该层必须匹配您的输入和输出，因此您需要一个额外的层。一个用于输入，一个用于输出。

【讨论】：

【解决方案2】：

您有 6 个输出神经元，但您的目标具有 (4, 1) 形状。使用 1 个输出神经元再试一次，使输出和标签的形状匹配：

import numpy as np
from tensorflow import keras
a=0
model = keras.Sequential()
model.add(keras.layers.Dense(units=1, input_shape=[6]))
model.compile(optimizer='sgd',loss='mean_squared_error')
x=np.array(((1.0,1.0,1.0,1.0,1.0,1.0),
            (2.0,2.0,2.0,2.0,2.0,2.0),
            (3.0,3.0,3.0,3.0,3.0,3.0),
            (4.0,4.0,4.0,4.0,4.0,4.0)))
y=np.array((1.0,2.0,3.0,4.0))
print(x)
model.fit(x,y,epochs=100)

4/4 [==============================] - 0s 998us/sample - loss: 1.7085e-05
Epoch 98/100
4/4 [==============================] - 0s 2ms/sample - loss: 1.6974e-05
Epoch 99/100
4/4 [==============================] - 0s 748us/sample - loss: 1.6863e-05
Epoch 100/100
4/4 [==============================] - 0s 748us/sample - loss: 1.6752e-05

或者，保留 6 个神经元，但在之后添加另一层，只有 1 个输出神经元。

import numpy as np
from tensorflow import keras
a=0
model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=[6]))
model.add(keras.layers.Dense(units=1))
model.compile(optimizer='sgd',loss='mean_squared_error')
x=np.array(((1.0,1.0,1.0,1.0,1.0,1.0),
            (2.0,2.0,2.0,2.0,2.0,2.0),
            (3.0,3.0,3.0,3.0,3.0,3.0),
            (4.0,4.0,4.0,4.0,4.0,4.0)))
y=np.array((1.0,2.0,3.0,4.0))
print(x)
model.fit(x,y,epochs=100)

【讨论】：