如何纠正遵循“过拟合和欠拟合”TensorFlow 教程时产生的 input_shape 错误？

Question

我正在学习“过度拟合和欠拟合”TensorFlow 教程，并使用他们提供的代码重现了 tiny_model

 之前的所有步骤。但是，当我运行命令时

size_histories['Tiny'] = compile_and_fit(tiny_model, 'sizes/Tiny') 我收到错误，

输入张量的输入形状无效（“data：0”，shape =（28，），dtype = float32）。预期形状 (None, 28)，但输入具有不兼容的形状 (28,)。我不明白为什么“预期形状”是（无，28），当教程和我在tiny_model的定义中指定它应该是input_shape=(FEATURES,)

时。 （我们之前定义了

FEATURES = 28

。）

我在这里缺少什么？我对 TensorFlow 中模型构建的理解仍然不稳定，所以答案可能很简单。

Answer 1

浏览本教程，您似乎可能忘记添加这些行

validate_ds = validate_ds.batch(BATCH_SIZE)
train_ds = train_ds.shuffle(BUFFER_SIZE).repeat().batch(BATCH_SIZE)

就在

这部分之前（向上滚动一点）。错误消息的重要部分是 .batch()

 调用，它将训练（和验证）数据集分成批次。

一开始令人困惑的一点是，使用

input_shape=(FEATURES,)

 为网络设置

一个样本的形状（在此步骤中，您忽略 batch_size

），但是当您调用 

model.fit(...)

 时，它期望 

批次数据的。这就是(None, features)

形状。它是 

(None, features)

 而不是 

(batch_size, features)

，因为 TensorFlow 将批量大小作为可变大小进行处理（

None

 在此上下文中代表可变大小）。这主要是针对最后一批完成的，在大多数情况下小于实际的批量大小。

例如，如果您有 40 个样本，批量大小为 16：您有 16、16、8 个数据点的批次，因为最后一个批次中没有足够的数据将其完全填充到 16。

您收到的错误表明数据未分批，因此网络一次获取一个样本。但 TensorFlow 中的网络始终需要一个批量大小，即使对于一个样本来说只是

1

。

编辑：解决错误

ValueError: Arguments target and output must have the same rank (ndim)

：这里的问题是目标必须处于形状

(batch_size, labels)

。如果目标只有一个值（如本例所示），列表通常会变得扁平，并且第二个 

labels

 暗淡不存在。要解决此问题，请使用以下两种解决方案之一：

如果您的数据位于 numpy 数组/tensorflow 张量等中，您可以使用

labels = labels.reshape((-1, 1)) # or similar functions 如果您已有

Dataset

，请使用 

ds = ds.map(lambda x,y: (x, tf.expand_dims(y, 0))) 这将维度扩展映射到数据集的每个元素。