Tensorflow 中输入和预测的形状不匹配

Question

我正在这样编译Tensorflow模型：

model = tf.keras.Sequential()
model.add( tf.keras.layers.InputLayer(shape=(2,)) )
model.add( tf.keras.layers.Dense(1024) )
model.add( tf.keras.layers.Dense(1024) )
model.add( tf.keras.layers.Dense(units=1) )

model.compile(loss="mean_squared_error", optimizer="adam", metrics=["mse"])

我希望它能够“学习”采用两个浮点数并预测一个浮点数。

当我训练它时

model.fit(x=trainData, y=trainRes, epochs=12, batch_size=100)

trainData

和

trainRes

都是 numpy 数组。

trainData.shape

是

(10000, 2)

，

trainRes.shape

是

(10000,)

。它似乎正在执行纪元，甚至

model.evaluate(x=testData, y=testRes) 

运行（尽管输出巨大的 MSE），但是当我尝试运行时：

res = model.predict(testData[0])

我收到错误：

Invalid input shape for input Tensor("data:0", shape=(2,), dtype=float32). Expected shape (None, 2), but input has incompatible shape (2,)

Arguments received by Sequential.call():
  • inputs=tf.Tensor(shape=(2,), dtype=float32)
  • training=False
  • mask=None

无论出于何种原因，以下内容都有效：

res = model.predict(testData[0:1])

但是，它返回 1x1 数组，而不是单个值。

我最好的猜测是，Keras 以某种方式将整个数组解释为单个单元以用于训练目的，而不是“逐行”。这也解释了为什么训练是无稽之谈，没有接近任何明智的东西。

Answer 1

你的问题来自于你的预测。
作为输入，您有一个向量数组，并且在第一个预测中，您为模型提供了一个数组。
您的模型是在向量数组上进行训练的。
要解决此问题，请添加 [ ]。
这给出：

res = model.predict(testData[[0]])