不兼容的形状：[30,5] vs. [5,1] [[node huber_loss/Sub ..........]]

Question

我有一个想要训练的简单神经网络。 它应该能够通过窗口策略进行预测。

但是，第一个纪元提示我以下错误： 不兼容的形状：[30,5] 与 [5,1] [[节点 huber_loss/Sub

我已经尝试使用“嵌入”层来定义输出的维度，如另一篇关于堆栈溢出的帖子中所述。 没有成功。

这是我从免费 MOOC 中重复使用的代码：

def window_dataset(series, window_size, batch_size=32,
                   shuffle_buffer=1000):
    dataset = tf.data.Dataset.from_tensor_slices(series)
    dataset = dataset.window(window_size + 1, shift=1, drop_remainder=True)
    dataset = dataset.flat_map(lambda window: window.batch(window_size + 1))

    dataset = dataset.map(lambda window: (window[:-1], window[-1]))
    
    dataset = dataset.batch(batch_size) #.prefetch(1)
    
    return dataset


keras.backend.clear_session()
tf.random.set_seed(42)
np.random.seed(42)

window_size = 30
train_set = window_dataset(x_train, window_size)
valid_set = window_dataset(x_valid, window_size)


model = keras.models.Sequential([
    keras.layers.Dense(5, input_shape=([window_size,5]))
])                                                 

optimiseur = keras.optimizers.SGD(learning_rate=1e-5, momentum=0.9)

model.compile(loss=keras.losses.Huber(), optimizer=optimiseur, metrics=["mae"])

model.fit(train_set, epochs=100, validation_data=valid_set)

这是train_set或valid_set中元素的形状：

x, y = train_set

x= tf.Tensor(..., shape=(32, 30, 5), dtype=int64)  
y= tf.Tensor(..., shape=(32, 5), dtype=int64)

如果有人可以，请帮助解决这个问题，我会很高兴！ 提前致谢。

Answer 1

我终于找到了问题：

以下代码已更改

 dataset = dataset.map(lambda window: (window[:-1], window[-1]))

进入

dataset = dataset.map(lambda window: (window[:-1], tf.reshape(window[-1], [1,5])))