Python ValueError：将字典输入传递给不'；t没有FeatureLayer，因为第一层是错误的

我已尝试运行以下代码，但出现以下错误：

文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training.py”， 第819行，适合
使用多处理=使用多处理）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training\u v2.py”， 第235行，适合
使用多处理=使用多处理）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training\u v2.py”， 第593行，过程中培训输入
使用多处理=使用多处理）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training\u v2.py”， 第706行，进程内输入
使用多处理=使用多处理）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python37\lib\site packages\tensorflow\u core\Python\keras\engine\data\u adapter.py”， 第702行，在init
x=标准化功能（x）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training\u v2.py”， 第660行，在标准化功能中
标准化（数据集，从数据集中提取张量=False）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training.py”， 第2346行，在\u标准化\u用户\u数据中
所有输入，y输入，dict输入=自我。用输入（x，y）建立模型 文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training.py”， 第2572行，在带有输入的构建模型中
自我设置输入（转换输入）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training.py”， 第2647行，输入设置中
输入=自身。\设置\输入\属性（输入）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\training\tracking\base.py”， 第457行，在\u方法\u包装中
结果=方法（自身、*args、**kwargs）
文件 “C:\Users\TomerK\AppData\Local\Programs\Python\37\lib\site packages\tensorflow\u core\Python\keras\engine\training.py”， 第2681行，在设置输入属性中
raise VALUERROR（'将字典输入传递给顺序模型'
ValueError：将字典输入传递给顺序模型 没有FeatureLayer，因为第一层是错误的

代码：

---

我昨天遇到了你的问题。以下是为我解决问题的方法：

第一层应为tf.keras.layers.DenseFeatures类型

第一层必须用tf.feature\u列对象数组实例化。碰巧我的所有列都是数字，所以我的数组是：

featureColumns = [tf.feature_column.numeric_column(columnNames[i], normalizer_fn= lambda x: (x - mean[i])/std[i]) for i in range(len(columnNames[:-1]))]

注意：正如您所看到的，normalizer_fn arg也非常有用。如果您需要，它可以消除任何额外的规范化预处理层的需要

于是我的图层变成：

layers.DenseFeatures(feature_columns=featureColumns, trainable=True)

我相信这会解决你问题中提到的上述错误

ValueError：将字典输入传递给顺序模型 没有FeatureLayer，因为第一层是错误的

---

指定第一个密集层模型的

input\u shape

参数是否有帮助？@JST99我尝试编写：tf.keras.layers.dense（128，activation='relu'，input\u shape=（train\u dataset.shape[1]，），但却出现了另一个错误：AttributeError:“DatasetV1Adapter”对象没有属性“shape”我在没有笔记本电脑的情况下通过手机回复您的代码，因此请原谅我将您引向了错误的方向。但是，

train\u dataset

似乎不是numpy格式。在

上调用numpy的
shape
属性>train\u dataset

，您可能希望执行类似于

train\u dataset=tfds.as\u numpy（tfds.load（name=“rock\u you”，split=“train[：75%]”）的操作。

@JST99我只按照您所说的

执行了
，但出现了以下错误：
值错误：请以2或3个元素的列表或元组形式提供模型输入：（输入，目标）或（输入、目标、样本权重）收到{'password'：}
很抱歉，我忘了提及示例中提到的columnNames数组的末尾有其标签列名，这就是为什么我使用columnNames[：-1]获取表示featureColumns变量所需的所有列的键。
layers.DenseFeatures(feature_columns=featureColumns, trainable=True)