[英]tensorflow ValueError: Shapes are incompatible
我的模型的x
是一个浮点数组 arrays (每个样本都是一个包含 40 个元素的数组)。 我的模型的y
也是一个浮点数组 arrays (每个样本都是一个包含 80 个元素的数组)。 这是重现我的问题的代码:
import tensorflow as tf
from tensorflow.keras import models, layers
import numpy as np
x = []
for i in range(100):
array_of_random_floats = np.random.random_sample((40))
x.append(array_of_random_floats)
x = np.asarray(x)
y = []
for i in range(100):
array_of_random_floats = np.random.random_sample((80))
y.append(array_of_random_floats)
y = np.asarray(y)
print(f"x has {len(x)} elements. Each element has {len(x[0])} elements")
# x has 100 elements. Each element has 40 elements
print(f"y has {len(y)} elements. Each element has {len(y[0])} elements")
# y has 100 elements. Each element has 80 elements
model = models.Sequential([
layers.Input(shape=(40,)),
layers.Dense(units=40),
])
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
print(model.summary())
history = model.fit(x=x,
y=y,
epochs=100)
这就是产生的错误。
ValueError: Shapes (None, 80) and (None, 40) are incompatible
出了什么问题?
为了衡量损失,维度需要匹配。 您正在尝试将(100, 40)
的 output 与 ( (100, 80)
的目标数组进行比较。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.