ValueError：輸入形狀的預期軸 -1 的值為 51948，但接收到的輸入形狀為（無，52）

Question

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
import tensorflow.keras as keras

dataset = pd.read_csv('C:\\Users\\Maxie\\MyStuff\\FinalDatasetEng.csv')
inputs = dataset.iloc[:, 2:54].values
targets = dataset.iloc[:, 55].values

from sklearn.model_selection import train_test_split
inputs_train, inputs_test, targets_train, targets_test = train_test_split(inputs, targets, 
test_size = 0.20, random_state = 0)

import keras
from keras.models import Sequential
from keras.layers import Dense

model = keras.Sequential([

        # input layer
        keras.layers.Flatten(input_shape=(inputs.shape[0], inputs.shape[1])),

        # 1st dense layer
        keras.layers.Dense(520, activation='relu'),

        # 2nd dense layer
        keras.layers.Dense(208, activation='relu'),

        # 3rd dense layer
        keras.layers.Dense(52, activation='relu'),

        # output layer
        keras.layers.Dense(4, activation='softmax')
    ])

optimiser = keras.optimizers.Adam(learning_rate=0.0001)
model.compile(optimizer=optimiser,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

history = model.fit(inputs_train, targets_train, validation_data=(inputs_test, targets_test), 
batch_size=32, epochs=50)

這是我的代碼，我收到此錯誤：ValueError：dense_20 層的輸入 0 與該層不兼容：輸入形狀的預期軸 -1 具有值 51948，但接收到形狀的輸入（無，52）。 任何人都請幫我解決這個問題。

Answer 1

您有一個一維數組作為您的特征輸入，但是您將樣本數量和特征數量展平，從而提供 model 51948 個輸入特征（999 個樣本input.shape[0] * 52 個特征input.shape[1] = 51948）。 因此，您的 model 需要一個包含 51948 個輸入的數組，但您已經傳遞了具有 52 列的inputs_train 。

推理：

如果您將一維數組作為輸入要素，則不應展平您的輸入。 您的輸入特征是 52 列和 999 個樣本的數組。 代替Flatten層，使用InputLayer 。

所以，修改后的代碼應該是這樣的：

model = keras.Sequential([

        # input layer
        #change this line to input layer and set the input shape to the shape of your input features
        #keras.layers.Flatten(input_shape=(inputs.shape[0], inputs.shape[1])),
        keras.layers.InputLayer(input_shape=(inputs.shape[1],)), 

        # 1st dense layer
        keras.layers.Dense(520, activation='relu'),

        # 2nd dense layer
        keras.layers.Dense(208, activation='relu'),

        # 3rd dense layer
        keras.layers.Dense(52, activation='relu'),

        # output layer
        keras.layers.Dense(4, activation='softmax')
    ])

optimiser = keras.optimizers.Adam(learning_rate=0.0001)
model.compile(optimizer=optimiser,
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

history = model.fit(inputs_train, targets_train, validation_data=(inputs_test, targets_test), 
batch_size=32, epochs=50)