TensorFlow 数据 API 和 keras 模型答案

【问题标题】：Tensorflow data API and keras ModelTensorFlow 数据 API 和 keras 模型
【发布时间】：2020-11-17 17:34:45
【问题描述】：

我正在尝试使用 Dataset API 设置一个简单的 NN，但遇到了错误。现在我有以下内容：

这是神经网络：

def get_model(input_shape, n_outputs):
    _input = tf.keras.Input(shape=input_shape)
    x = tf.keras.layers.Dense(128, activation='relu')(_input)
    x = tf.keras.layers.Dense(64, activation='relu')(x)


    value_output = tf.keras.layers.Dense(1, activation='sigmoid', name='value_output')(x)

    model = tf.keras.Model(inputs=_input, outputs=[value_output])
    losses = {
        "value_output": 'mean_squared_error'
    }
    model.compile(loss=losses, optimizer='adam')
    return model

这是我在 NN 上使用的数据

def preproces(item):
        return item, 0.3    

instance = np.array([26])
dataset = tf.data.Dataset.from_tensor_slices([instance])
dataset = dataset.map(preprocess)
m.fit(dataset)

我不断收到此错误：

ValueError：没有为任何变量提供梯度：['dense_27/kernel:0', 'dense_27/bias:0', 'dense_28/kernel:0', 'dense_28/bias:0', 'value_output_9/kernel: 0', 'value_output_9/bias:0'].

不知道缺少什么，这是一个很简单的神经网络。

感谢您在高级方面的帮助

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

我会提到您的数据不一致：如果您的输入形状是 [1] - 您的输出形状应该是 [64]。

我相应地更改了preprocess()。

但我无法重现您的错误：

import tensorflow as tf
def get_model(input_shape, n_outputs):
    _input = tf.keras.Input(shape=input_shape)
    x = tf.keras.layers.Dense(128, activation='relu')(_input)
    x = tf.keras.layers.Dense(64, activation='relu')(x)


    value_output = tf.keras.layers.Dense(1, activation='sigmoid', name='value_output')(x)

    model = tf.keras.Model(inputs=_input, outputs=[value_output])
    losses = {
        "value_output": 'mean_squared_error'
    }
    model.compile(loss=losses, optimizer='adam')
    return model

def preprocess(item):
        return item, [0.3]*64    

import numpy as np
instance = np.array([26])
dataset = tf.data.Dataset.from_tensor_slices([instance])
dataset = dataset.map(preprocess)
m = get_model([1], 1)
m.compile(loss='mse')
m.fit(dataset)

【讨论】：