ValueError：层顺序需要 1 个输入，但它在 tensorflow 2.0 中接收到 211 个输入张量

Question

我有一个这样的训练数据集（主列表中的项目数为 211，每个数组中的数字数为 185）：

[np.array([2, 3, 4, ... 5, 4, 6]) ... np.array([3, 4, 5, ... 3, 4, 5])]

我使用这段代码来训练模型：

def create_model():
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(211, 185), name="Input"), 
    keras.layers.Dense(211, activation='relu', name="Hidden_Layer_1"), 
    keras.layers.Dense(185, activation='relu', name="Hidden_Layer_2"), 
    keras.layers.Dense(1, activation='softmax', name="Output"),
])

model.compile(optimizer='adam',
          loss='sparse_categorical_crossentropy',
          metrics=['accuracy'])

return model

但无论何时我都适合这样：

model.fit(x=training_data, y=training_labels, epochs=10, validation_data = [training_data,training_labels])

它返回此错误：

ValueError: Layer sequential expects 1 inputs, but it received 211 input tensors.

可能是什么问题？

Answer 1

您不需要扁平化您的输入。如果您有 211 个形状为 (185,) 的样本，则这已经表示扁平化输入。

但您最初的错误是您无法将 NumPy 数组列表作为输入传递。它需要是列表列表或 NumPy 数组。试试这个：

x = np.stack([i.tolist() for i in x])

然后，你犯了其他错误。您不能通过 SoftMax 激活输出 1 个神经元。它只会输出 1，所以使用"sigmoid"。这也是错误的损失函数。如果你有两个类别，你应该使用"binary_crossentropy"。

这是一个从无效输入开始修正错误的工作示例：

import tensorflow as tf
import numpy as np

x = [np.random.randint(0, 10, 185) for i in range(211)]
x = np.stack([i.tolist() for i in x])

y = np.random.randint(0, 2, 211)

model = tf.keras.Sequential([ 
    tf.keras.layers.Dense(21, activation='relu', name="Hidden_Layer_1"), 
    tf.keras.layers.Dense(18, activation='relu', name="Hidden_Layer_2"), 
    tf.keras.layers.Dense(1, activation='sigmoid', name="Output"),
])

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


history = model.fit(x=x, y=y, epochs=10)

Answer 2

对我来说这是一个愚蠢的错误，我在列表中输入而不是 numpy.ndarray

1.检查你的X_train的数据格式类型：

type(X_train)

2.如果您以列表或任何其他格式输出，只需将其转换为 numpy.ndarray

X_train = numpy.array(X_train)

希望这会有所帮助 谢谢

Answer 3

你有两个错误：

您不能提供数组列表。将您的输入转换为数组：

input = np.asarray(input)

您声明的输入形状为 (211, 185)。 Keras 自动添加批量维度。所以把形状改成(185,)：

keras.layers.Flatten(input_shape=(185,), name="Input"),