TypeError：输入一层应进行张量

Question

我是深度学习的新手，目前正在尝试学习神经网络。但是，我在训练神经网络时遇到了这个问题。

这是输入。我通过使用张量数据集思考，我准备将值传递到我构建的模型中。

train_dataset = tf.data.Dataset.from_tensor_slices((train.values, trainLabel.values))
test_dataset = tf.data.Dataset.from_tensor_slices((test.values, testLabel.values))
cv_dataset = tf.data.Dataset.from_tensor_slices((val.values, valLabel.values))

for features, targets in train_dataset.take(5):
  print ('Features: {}, Target: {}'.format(features, targets))

这是上面的打印方法显示的输出：

Features: [ 0 40  0  0  0  1 31 33 17], Target: 29
Features: [ 0 32  0  1  0  1 50 55 44], Target: 7
Features: [ 0 32  1  0  1  1 12 43 31], Target: 34
Features: [ 0 29  1  1  1  0 56 52 37], Target: 14
Features: [ 0 25  0  0  1  1 29 30 15], Target: 17

这是我使用Keras API的模型：

model = tf.keras.Sequential([
  tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(9,)),  # input shape required
  tf.keras.layers.Dense(10, activation=tf.nn.relu),
  tf.keras.layers.Dense(3)
])

我正在尝试在训练神经网络之前预览输出。

predictions = model(train_dataset)
predictions[:5]

但是，我有一个错误：

TypeError: Inputs to a layer should be tensors. Got: <BatchDataset element_spec=(TensorSpec(shape=(None, 9), dtype=tf.int64, name=None), TensorSpec(shape=(None,), dtype=tf.int64, name=None))>

我谷歌搜索以搜索错误并找到了这条代码行，但至少对我来说仍然不起作用

train_dataset = train_dataset.shuffle(buffer_size=1024).batch(32)

Answer 1

此错误的原因是，您向模型提供batchdataset。相反，您必须将输入数据更改为数组，然后将其馈送到模型中并进行模型定义并编译模型。

train = np.array(train)
train

train_dataset = tf.data.Dataset.from_tensor_slices((train, trainLabel)

for features, targets in train_dataset.take(5):
  print ('Features: {}, Target: {}'.format(features, targets))

train_dataset = train_dataset.shuffle(buffer_size=1024).batch(32) 
#type(train_dataset) --->tensorflow.python.data.ops.dataset_ops.BatchDataset

以下代码只会为您提供已经存在的数据集的预览，而没有任何更改：

predictions = model(train)
predictions[:5]

因此，您需要使用输入数据训练模型，然后检查预测：

model.fit(train_dataset, epochs=10)

predictions = model(train)
predictions[:5]

输出：

<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[ 7.51 ],
       [10.033],
       [11.349],
       [ 9.586],
       [ 9.86 ]], dtype=float32)>

注：我已经使用了鲍鱼数据集复制此代码。