Python tf.keras.models.Sequential模型无法与输入类型tf.Tensor匹配

我已经编写了一个简单的tf.keras.models.Sequential模型。当我尝试用数据和标签来拟合tf.Tensor时，它会给我一些错误。但是，我可以将它与具有完全相同底层数据的numpy数组配合使用。为什么

我使用的是只有CPU的tensorflow 1.13。我检查了tf.keras.models.Sequential的函数，但它说tf.Tensor和numpy数组都可以用作数据和标签，只要它们的类型匹配

将tensorflow导入为tf
tf.enable_eager_execution（）
#非常简单的keras序列模型
模型=tf.keras.Sequential([
tf.keras.layers.Dense（3，活化='relu'），
tf.keras.layers.Dense（3，activation='softmax'））
编译（优化器=tf.train.AdamOptimizer（0.001），
损失class='classifical_crossentropy'，
指标=[‘准确度’]）
#使用tf.Tensor作为数据和标签
数据=tf.常数（[[0,0,1]，[0,1,0]，[1,0,0]）
label=tf.常数（[[0,0,1]，[0,1,0]，[1,0,0]]）
#这会引发以下错误
#InvalidArgumentError：使用输入dim 2索引超出范围；输入只有2个dims[Op:Straddslice]名称：Straded_slice/
model.fit（数据、标签、时代=10）
#使用具有相同基础数据和标签的numpy数组
data=data.numpy（）
label=label.numpy（）
#这很有效
model.fit（数据、标签、时代=10）

---

第一次拟合不起作用，并引发以下错误。但第二种方法有效。这很有趣，因为它们有着完全相同的底层数据

好的，看起来您可能正在使用tensorflow 2.0，因为调用了

.numpy（）

，我认为这在1.13上不存在（也许您已经意识到，但您可以使用

tf.\uuuu version\uuuuu

）

如果您打算使用1.13，则需要进行2次更改，以允许对

fit

的调用无误地执行

必须将输入张量转换为float32类型

必须为每个历元传递一个

steps\u

参数

例如，此代码不会引发任何错误：

model = tf.keras.Sequential([
tf.keras.layers.Dense(3, activation='relu'),
tf.keras.layers.Dense(3, activation='softmax')])

model.compile(optimizer=tf.train.AdamOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])


data = tf.constant([[0,0,1],[0,1,0],[1,0,0]], dtype=tf.float32)
label = tf.constant([[0,0,1],[0,1,0],[1,0,0]], dtype=tf.float32)
model.fit(data, label, epochs=10, steps_per_epoch=2)

---

1.有趣的是，我的tensorflow是1.13.1，不确定这是否是Tensor.numpy（）存在的原因。2.解决方案确实有效。但是我可以理解为什么我以前的代码不起作用吗？看起来tensorflow文档没有禁止使用tf.Tensor作为输入，没有指定每个历元的步骤。我不确定我能否回答“为什么”这个问题。我在没有

步骤的情况下运行了它，并出现了一条错误消息，告诉我添加它。我添加了它，它工作了。因此，上面的答案是：-）后来我发现在导入tensorflow之后，我忘了放置tf.enable_eager_execution（）（这实际上是在我本地运行的代码中），这是一个棘手的部分。如果没有这句话，就不能在tf.Tensor上调用numpy（），我会得到同样的提示，要求我像你的例子一样，在每个历元上放置步数。启用enable_eager_execution后，我将得到在代码中显示为注释的错误消息，它会给出一些意外的输出和错误消息，在这种情况下使调试更加困难。我的代码中有两个问题：1。tf.enable_eager_执行已打开。这样做的好处是允许在tf.Tensor上调用numpy（），但在模型拟合时给出不清楚的错误消息。它并没有告诉我将steps\u per\u epoch作为一个参数添加到fit调用中，而是将我在代码中显示为注释的错误消息打印出来。我学到的一个教训是在执行时要小心。2.在tf.Tensor上拟合模型时，应将每个历元的步长作为参数添加。