如何从一系列单值中正确构建张量数组数据集 - tensorflow新手答案

【问题标题】：How to properly build a tensor array dataset from a series of single values - tensorflow newbie如何从一系列单值中正确构建张量数组数据集 - tensorflow新手
【发布时间】：2019-01-28 13:01:28
【问题描述】：

我是 tensorflow 和数据集 API 的新手。看起来我没有向张量流提供正确的字典列表。我得到以下输出：

tensorflow.python.framework.errors_impl.InvalidArgumentError: In[0] is not a matrix. Instead it has shape [] [Op:MatMul]

我的代码是：

train_dataset = tf.data.experimental.CsvDataset( 
  "train.csv",
  [tf.float32,
   tf.int32] )

model = tf.keras.Sequential([
   tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(1,)),  #     input shape required
   tf.keras.layers.Dense(10, activation=tf.nn.relu),
   tf.keras.layers.Dense(1)
])

optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)
model.compile( optimizer,
           loss='categorical_crossentropy',
           metrics=['accuracy'] )

model.fit( train_dataset.make_one_shot_iterator(), 
       steps_per_epoch = 1,
       verbose = 2 )

希望模型顶部开始训练.....

【问题讨论】：

你的数据集是什么形状的？
CSV 文件仅包含一项功能 (float32)。标签为 0 或 1。有 100 个训练示例。
这是一个打印输出：train_dataset is features is: tf.Tensor(0.39382437, shape=( ), dtype=float32) 标签为：tf.Tensor(0, shape=(), dtype=int32)
所以，当您打印 dataframe.shape 时，您会得到类似：(100, ) 的信息吗？
你的意思是tf.shape(train_dataset) by dataframe.shape？

标签： python tensorflow tensorflow-datasets

【解决方案1】：

我的意见很少：

1）据我了解，问题在于您填写的数据的格式。在 cmets 中，您说您的 CSV 文件具有 (100, 2) 形状。但是，您已经指定了 10 个节点的输入层。因此，您的神经网络期望接收 10 个变量作为输入，但您只提供 2 个（因为您只有 2 列）。这肯定会返回错误。下一个问题是，用如此小的输入实现一个新神经网络是非常困难的（并不是说不可能）。如果你想学习，我建议你从另一个数据集开始。互联网上有很多很酷的数据集，专门用于学习机器学习的基础。

2) 如果你使用的是 keras，那么你不需要普通的 TensorFlow 函数（例如tf.train.GradientDescentOptimizer）。您可以仅使用 Keras 函数（具有不同的语法）来训练模型。您可以使用model.compile 对许多指令进行分组。我建议你看看Keras Guide to Sequential models。

3) 我强烈建议您使用pandas 库导入数据。你可以这样做：

import pandas as pd
dataframe = pd.read_csv("path/to/dataframe.csv")

然后将其转换为矩阵：

dataframe = dataframe.values

这会将它变成一个 numpy 数组，它几乎适用于任何深度学习库。

【讨论】：

谢谢！欣赏它。