0

我正在用 tf.data 测试 tf.keras，所以我可以进行小批量优化。我正在使用 MNIST 数据集，并且正在 Google Colab 中运行代码。但是，当我尝试训练网络时，总是会收到此错误： ValueError: Error when checking input: expected dense_18_input to have shape (784,) but got array with shape (1,). 这是我的代码：

import tensorflow as tf
from tensorflow.keras import layers
import numpy as np
import pandas as pd

!git clone https://github.com/DanorRon/my_repo
%cd my_repo
!ls

batch_size = 100
epochs = 10
alpha = 0.01
lambda_ = 0.01
h1 = 50

train = pd.read_csv('/content/sample_data/my_repo/mnist_train.csv.zip')
test = pd.read_csv('/content/sample_data/my_repo/mnist_test.csv.zip')

x_train = train.loc[:, '1x1':'28x28']
y_train = train.loc[:, 'label']

x_test = test.loc[:, '1x1':'28x28']
y_test = test.loc[:, 'label']

Train = tf.data.Dataset.from_tensor_slices((x_train, y_train))
Train.batch(batch_size).repeat(10).shuffle(1000)

model = tf.keras.Sequential()
model.add(layers.Dense(784, input_shape=(784,)))
model.add(layers.Dense(h1, activation='relu', kernel_regularizer=tf.keras.regularizers.l2(0.01)))
model.add(layers.Dense(10, activation='softmax', kernel_regularizer=tf.keras.regularizers.l2(0.01)))

model.compile(optimizer=tf.train.AdamOptimizer(alpha),
             loss = 'categorical_crossentropy',
             metrics = ['accuracy'])

model.fit(Train, epochs=epochs, steps_per_epoch=600)

我不知道问题是什么。我认为我的尺寸是正确的，我看不到任何其他问题。我该如何解决这个问题？

编辑：我查看了更多/测试的东西来找到答案，但我找不到任何有效的东西。我完全不知道问题可能是什么。

4

1 回答 1

0

我想也许你应该拆分x_train和y_trainfrom Train，并重写model.fit为model.fit(x_train, y_train, epochs=epochs, steps_per_epoch=600).

于 2019-03-22T02:22:14.893 回答