ValueError：“顺序”层的输入 0 与该层不兼容：预期形状 =(None, 455, 30)，找到的形状 =(None, 30)

Question

这里是Cancer detection的小项目，里面已经有了数据集和colab代码，但是我执行的时候报错

model.fit(x_train, y_train, epochs=1000)

错误是：

ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 455, 30), found shape=(None, 30)

看评论其他人也有这个问题

Answer 1

Tensorflow model 期望输入的第一个维度是批量大小，在 model 声明中，它们将输入形状设置为与输入相同的形状。 要解决此问题，您可以将 model 的输入形状更改为数据集中的特征数。

model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))

.csv 文件中的行数将是数据集中的样本数。 由于您不使用批处理，因此 model 将在每个时期一次评估整个数据集

Answer 2

我尝试了上面的解决方案：

model.add(tf.keras.layers.Dense(256,input_shape(x_train.shape[1],), activation='sigmoid'))

但同样的问题发生了，所以我尝试按照下面的代码分别定义 model 的 inpute_shape 并且它有效希望这对你有帮助：

model.add(tf.keras.Input(shape=(x_train.shape[1],))) model.add(tf.keras.layers.Dense(128, activation='sigmoid')) model.add(tf.keras.layers.Dense(256, activation='sigmoid')) model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

Answer 3

Args input_shape 形状元组（不包括批轴），或 TensorShape 实例（不包括批轴）。 根据 keras 的文档，输入形状确实包括批处理轴，因此请尝试提供 input_shape=(30,) 而不是 input_shape=(455,30)