Tensorflow.keras：输入的形状是（），即使形状是（768、8）

Question

我希望我做对了（第一篇文章）。

我尝试使用 tensorflow.keras 对来自这里的数据进行分类。 我知道输入形状、输入数据形状和目标形状在将 arguments 传递到 tf.keras.Sequential.fit() 时很重要

我得到的信息是：

ValueError：检查输入时出错：预期的dense_159_input有2维，但得到了形状为（）的数组

所以这就是我所做的：

def loadDataset(file_name):
    data = pd.read_csv("data/" + file_name)
    # print(data.head(10))

    data = data.to_numpy()
    random.seed(20)

    X = data[:, 0:8]
    y = data[:, -1]

    X = np.asarray(X).reshape(X.shape[0], X.shape[1])
    X = tf.keras.utils.normalize(X, axis=0)
    y = np.asarray(y).reshape(y.shape[0], 1)

    return X, y


 title = "datasets_228_482_diabetes.csv"

 X, y = loadDataset(title)


 print(X.shape)
 print(y.shape)

(768, 8) (768, 1)

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.optimizers import Adam

model = Sequential()
model.add(Dense(4, activation = "relu", input_shape=(8,)))
model.add(Dense(4, activation = "relu"))
model.add(Dense(1, activation = "sigmoid"))
model.compile(optimizer = "Adam",
              loss = "binary_crossentropy",
              metrics=["accuracy"])

model.fit(X, y, batch_size = 16, epochs = 1, validation_data = 0.1)

我尝试制作形状 X (768, 8, 1) 和 y (768, 1, 1) 以防万一这是问题，但随后错误说它需要 2 个维度但得到了 3 个。 这对我来说完全有意义。 我只是不明白上面的错误是说输入数据 X 在 X 的形状为 (768, 8) 时没有形状。

任何帮助将不胜感激！ 干杯

Answer 1

我会说错误来自validation_data ，它应该是X ，一些数据形状(..., 8) 。 因为你通过了0.1 ，所以密集层不明白你给他的是什么。