Tensorflow - Numpy 数组和形状错误答案

【问题标题】：Tensorflow - Numpy arrays and Shape errorTensorflow - Numpy 数组和形状错误
【发布时间】：2020-11-29 11:48:11
【问题描述】：

我正在尝试构建一个 Tensorflow 简单的 AI，当我将它与我阅读的有关该主题的各种文章进行比较时，我不明白我的问题出在哪里。

我有两个用于训练大小 (N,1)（应该预测什么）和 (N,3)（应该预测什么输入）的 numpy 数组，我希望我的算法使用 Input 进行预测[0,i] Input[1,i] Input[2,i] ToPredict[i] 的值（第 i 个样本）。我以为我必须使用 tf.data.Dataset.from_tensor_slices 然后

modele = tf.keras.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(1) ]) 
modele.compile(optimizer=tf.keras.optimizers.RMSprop(), loss=tf.keras.losses.SparseCategoricalCrossentropy(), metrics=['sparse_categorical_accuracy'])
modele.fit(A, epochs=10)

从我上网的一个例子。（这里A代表tf.data.Dataset.from_tensor_slices(Inputs_Learning,ToPredict_Learning)）

当我这样做时，我收到以下错误：

logits 和标签必须具有相同的第一维，得到 logits 形状 [3,10] 和标签形状 [1] [[node loss_9/output_1_loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits（定义于：11）]] [Op:__inference_keras_scratch_graph_2640]

所以我知道存在形状错误，但我不知道如何告诉算法我想要什么形状。

谁能帮帮我？也是的，我看过相关的 stackoverflow 帖子，但它们似乎没有解决我的问题。

【问题讨论】：

标签： python numpy tensorflow keras

【解决方案1】：

为您的数据添加批次维度：

A = A.batch(10)

【讨论】：

我在 Dense 中更改了号码。但是，当我转置数据时， Input 变为 (3,N) 和 ToPredict (1,N) numpy 数组。然后，当我执行 tf.data.Dataset.from_tensor_slices( 它返回以下错误： ValueError: Dimensions 3 and 1 are not compatible @Andrey
也可以转置标签
之前的代码是 tf.data.Dataset.from_tensor_slices(A,B) 我把它改成了 tf.data.Dataset.from_tensor_slices(A.T,B.T)。所以我假设你所说的“标签”是 B（要预测的值），我在之前的评论中做了转置
网络的输入应该是 (N, 3)，标签（预测的内容）应该是 (N, 1)
好的，所以我仍然收到问题中提到的错误。混淆源于我多次说 (1,N) 而不是 (N,1) 包括在问题中。对不起。现在我有两个 Dataset(A,B)，A 和 B 的形状为 (N,3) 和 (N,1)，正如你所说，它在“fit”行中给出了问题中的错误。