Python Tensorflow-Numpy阵列与形状误差

我试图构建一个Tensorflow简单的人工智能，当我将它与我读到的关于这个主题的各种文章进行比较时，我不明白我的问题在哪里

我有两个用于训练大小（N，1）（应该预测什么）和（N，3）（应该预测什么输入）的numpy数组，我希望我的算法使用输入[0，I]Input[1，I]Input[2，I]ToPredict[I]（第I个样本）的值进行预测。 我想我必须使用tf.data.Dataset.from_tensor_切片，然后

modele=tf.keras.Sequential（[tf.keras.layers.flatte（），tf.keras.layers.densed（128，activation='relu'），tf.keras.layers.densed（1）]）
modele.compile（optimizer=tf.keras.optimizers.RMSprop（），loss=tf.keras.loss.SparseCategoricalCrossentropy（），metrics=['sparse\u categorical\u accurity']
modele.fit（A，epochs=10）

向数据中添加批次维度：

A = A.batch(10)

---

我改了数字。但是，当我转置数据时，输入变成（3，N）和ToPredict（1，N）numpy数组。然后，当我执行tf.data.Dataset.from_tensor_slices（它返回以下错误：ValueError:Dimensions 3和1不兼容@Andreytranspose标签）时，前面的代码是tf.data.Dataset.from_tensor_slices（A，B），我将其更改为tf.data.Dataset.from_tensor_slices（A.T，B.T）。因此我假设您所称的“标签”是B（要预测的值），这是我在之前的评论中转置的，输入到网络应该是（N，3），标签（预测的值）应该是（N，1），所以我仍然得到问题中提到的错误。混淆是因为我多次说（1，N）而不是（N，1），包括在问题中。对不起，现在我有两个数据集（A，B）与A和B的形状（N，3）和（N，1）如你所说，它给出了错误的问题在“适合”行。