Python 为什么model.fit（）不'；在这种情况下，是否不接受由功能和目标组成的单一输入？

我在下面附上了复制该问题的代码。该数据集来自一个名为“表格式游乐场系列2021年3月”的卡格尔竞赛

将numpy导入为np，将pandas导入为pd，os
导入tensorflow作为tf
#第一步。加载kaggle竞争数据
os.chdir（“/kaggle/working”）
列车df=pd.read\U csv（'../input/TABLAR-PLAYOND-series-mar-2021/train.csv'，索引列=0）
cats=train\u df.选择类型（include='object'）.columns.tolist（）
#第二步。标签编码
对于猫的c：
序列号[c]，mp=序列号[c]。因子分解（）
x\u trn=列车方向下降（'目标'，轴=1）。数值
y_trn=列车df[‘目标’]。数值
#第三步。创建模型
从tensorflow.keras.models导入顺序
从tensorflow.keras.layers导入稠密，输入
模型=顺序（）
model.add（输入（shape=（30，））#我们只有30个功能
model.add（密集（16，activation='relu'））
model.add（密集（8，activation='relu'））
model.add（密集型（1，激活='sigmoid'））
model.summary（）
compile（loss='binary\u crossentropy'，optimizer='adam'，metrics=['AUC']）
模型拟合（x=x\u-trn，y=y\u-trn，年代=15）

上面的代码有效。然而，当我用下面的命令替换最后一行时，程序中断了。有人能告诉我怎么修吗

train\u ds=tf.data.Dataset.from\u tensor\u切片（（x\u trn，y\u trn））
模型拟合（系列，历次=15）

错误消息抱怨不兼容：

ValueError:layer sequential的输入0与层不兼容：输入形状的轴-1应具有值30，但接收到的输入具有形状[30，1]

模型架构如下所示：

模型：“顺序”
_________________________________________________________________
层（类型）输出形状参数
=================================================================
稠密的（稠密的）（无，16）496
_________________________________________________________________
密集型_1（密集型）（无，8）136
_________________________________________________________________
密集型_2（密集型）（无，1）9
=================================================================
总参数：641
可培训参数：641
不可训练参数：0
_________________________________________________________________

特征x和目标y的尺寸为：

print(x_trn.shape, y_trn.shape)
>>> (300000, 30) (300000,)

---

在使用

model.fit

中的数据集时，TF希望将训练数据集分批分割。因此，要训练您的模型，请在

model.fit（）之前添加以下行：

这将生成正确形式的数据。在以前的方法中，TF会自动分批分割数据。
错误说明
.fit
希望数组的最后一个维度长度为30个元素，但您提供的数组的第一个维度有30个元素，最后一个维度有1个元素（另外，不要发布错误消息并作为图像输出。复制并粘贴文本。文本更易于阅读和搜索）非常感谢你的回答。我的代码终于运行了。我只是想知道你从哪里学到了这样的细微差别。阅读源代码？！没有，只是有一个类似的问题。通过检查张量形状并仔细阅读
模型的API。fit
（实际上是批量大小的一部分），我能够相当快地解决它。因此，只需仔细调试）
   train_ds = train_ds.batch(your_batch_size).