Python ValueError:图层1的输入0与该图层不兼容

我第一次使用tensorflow，有趣的是，它将具有18个特征的数据分为4类

X_列车的尺寸为：（14125,18）

这是我的代码：

dataset = tf.data.Dataset.from_tensor_slices((np.array(X_train.values, dtype=float),
                               np.array(y_train.pet_category.values, dtype=float)))
train_data = dataset.shuffle(len(X_train)).batch(32)

vdataset = tf.data.Dataset.from_tensor_slices((np.array(X_val.values, dtype=float)))
val_data = vdataset.batch(32)

tfmodel = tf.keras.Sequential([
                  tf.keras.layers.Dense(15, activation=tf.nn.relu, input_shape=(18,1)),
                  tf.keras.layers.Flatten(),
                  tf.keras.layers.Dense(10, activation=tf.nn.relu),
                  tf.keras.layers.Dense(4, activation=tf.nn.softmax)
])

tfmodel.compile(optimizer='adam',
                loss=tf.keras.losses.CategoricalCrossentropy(),
                metrics=['accuracy'])

调用

tfmodel.fit（dataset，epochs=15，validation\u data=val\u data）

时，我得到以下错误：

ValueError: Input 0 of layer dense_1 is incompatible with the layer: expected axis -1 of input shape to have value 270 but received input with shape [18, 15]

我试图寻找类似的问题，但找不到任何有帮助的。对解决这个问题真的很有帮助

---

编辑：问题在于版本。当我使用较低版本的TensorFlow（v2.1.0）时，它消失了。

您使用的是

数据集
int
fit
，而不是
train\u data
。我假设您正在使用一个名为
X\u-train
和
y\u-train
的数据帧，我在numpy中也做了同样的模拟，现在它可以工作了。见下文

将tensorflow导入为tf
将numpy作为np导入
X_序列=np.随机.随机（（14125,18））
y_列=np.随机.随机（（14125,1））
dataset=tf.data.dataset.from_张量_切片（（X_序列，y_序列））
序列数据=数据集。无序排列（len（X_序列））。批处理（32）
列车数据=列车数据。预取(
缓冲区大小=tf.data.experimental.AUTOTUNE）
tfmodel=tf.keras.Sequential([
密度（15，激活=tf.nn.relu，输入形状=（18，），
tf.keras.layers.flatte（），
tf.keras.layers.Dense（10，活化=tf.nn.relu），
tf.keras.layers.Dense（4，活化=tf.nn.softmax）
])
编译（optimizer='adam'，
损失=tf.keras.loss.CategoricalCrossentropy（），
指标=[‘准确度’]）
tfmodel.fit（列车数据，历次=5）

注意：我没有使用
val\u数据

Train for 442 steps
Epoch 1/5
442/442 [==============================] - 1s 2ms/step - loss: 7.8375 - accuracy: 1.4159e-04
Epoch 2/5
442/442 [==============================] - 1s 2ms/step - loss: 28.5034 - accuracy: 0.0000e+00
Epoch 3/5
442/442 [==============================] - 1s 1ms/step - loss: 17.8604 - accuracy: 0.0000e+00
Epoch 4/5
442/442 [==============================] - 1s 1ms/step - loss: 3.4244 - accuracy: 2.1239e-04
Epoch 5/5
442/442 [==============================] - 1s 2ms/step - loss: 3.2791 - accuracy: 0.0160
<tensorflow.python.keras.callbacks.History at 0x7f0d8c72d630>

训练442步
纪元1/5
442/442[====================================]-1s 2ms/步长-损耗：7.8375-精度：1.4159e-04
纪元2/5
442/442[=================================]-1s 2ms/步-损耗：28.5034-精度：0.0000e+00
纪元3/5
442/442[==============================]-1s 1ms/步长-损耗：17.8604-精度：0.0000e+00
纪元4/5
442/442[==============================]-1s 1ms/步长-损耗：3.4244-精度：2.1239e-04
纪元5/5
442/442[==============================]-1s 2ms/步长-损耗：3.2791-精度：0.0160
问题似乎出在我使用的tensorflow版本（2.3.0）上
我尝试了夜间构建，它给出了相同的错误。
我降级到v2.1.0，效果很好
如果数据的形状是
（14125,18）
，我假设14125是数据点的数量，那么输入的形状应该是
（18），
。试用后，错误变为
输入0的层顺序是。。。输入shape的值为18，但接收到的输入是shape[18，1]
你可以试试
训练数据元素规范
并查看数据集的形状吗？
（TensorSpec（shape=（None，18），dtype=tf.float64，name=None），TensorSpec（shape=（None，），dtype=tf.float64，name=None））
嗯你可以试试
输入shape=（18）
因为你的数据集形状也是一样的？哦，哇，我确实犯了那个错误。以后会成为一个问题。但它似乎仍然不起作用。我试图运行你的代码，但它给出了相同的错误你使用的是什么版本的tensorflow？我使用的是
tensorflow gpu==2.2.0