Tensorflow InvalidArgumentError 矩阵大小不兼容

Question

当我启动简单的神经网络时，我遇到了一个错误。顺便说一句，代码应该输出测试数组的第一个数字。

还有其他错误（与数据的 dtype 有关）。

import tensorflow as tf
import numpy as np
from tensorflow import keras

data = np.array([[0, 1, 1], [0, 0, 1], [1, 1, 1]])
labels = np.array([0, 0, 1])
data.dtype = float
print(data.dtype)
model = keras.Sequential([
keras.layers.Dense(3, activation=tf.nn.relu),
keras.layers.Dense(2, activation=tf.nn.softmax)])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, labels)
prediction = model.predict([0, 1, 0])
print(prediction)

我收到此错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: Matrix size-incompatible: In[0]: [3,1], In[1]: [3,3]
     [[{{node sequential/dense/Relu}}]]

Answer 1

由于以下行，您遇到了错误：

prediction = model.predict([0, 1, 0])

你正在传递一个list，它应该是一个numpy数组，形状为Nx3，其中N基本上是批量大小，可以是1、2等。在这种情况下，它将是1 .

为了使其正确，将其改为

prediction = model.predict(np.expand_dims(np.array([0, 1, 0], dtype=np.float32), 0))

或

prediction = model.predict(np.array([[0, 1, 0]], dtype=np.float32))

然后，将 data.dtype = float 更改为 data.dtype = np.float32。