带有 tf 数据集输入的 Tensorflow keras

Question

我是 tensorflow keras 和数据集的新手。谁能帮我理解为什么下面的代码不起作用？import tensorflow as tfimport tensorflow.keras as kerasimport numpy as npfrom tensorflow.python.data.ops import dataset_opsfrom tensorflow.python.data.ops import iterator_opsfrom tensorflow.python.keras.utils import multi_gpu_modelfrom tensorflow.python.keras import backend as Kdata = np.random.random((1000,32))labels = np.random.random((1000,10))dataset = tf.data.Dataset.from_tensor_slices((data,labels))print( dataset)print( dataset.output_types)print( dataset.output_shapes)dataset.batch(10)dataset.repeat(100)inputs = keras.Input(shape=(32,))  # Returns a placeholder tensor# A layer instance is callable on a tensor, and returns a tensor.x = keras.layers.Dense(64, activation='relu')(inputs)x = keras.layers.Dense(64, activation='relu')(x)predictions = keras.layers.Dense(10, activation='softmax')(x)# Instantiate the model given inputs and outputs.model = keras.Model(inputs=inputs, outputs=predictions)# The compile step specifies the training configuration.model.compile(optimizer=tf.train.RMSPropOptimizer(0.001),          loss='categorical_crossentropy',          metrics=['accuracy'])# Trains for 5 epochsmodel.fit(dataset, epochs=5, steps_per_epoch=100)

Answer 1

关于您为什么收到错误的原始问题：

Error when checking input: expected input_1 to have 2 dimensions, but got array with shape (32,)

您的代码中断的原因是因为您没有将.batch()back应用于dataset变量，如下所示：

dataset = dataset.batch(10)

您只需调用dataset.batch().

这会中断，因为没有batch()输出张量不会批量处理，即您得到的是 shape(32,)而不是(1,32).