Python Keras Valueerror：从未调用过此模型

这应该是非常简单的Keras程序。它一直工作到最后一行代码。但我称之为预测方法。当然，我使用了与训练数据相同的输入数据，但这并不重要

从keras.models导入
作为pd进口熊猫
url='1〕https://raw.githubusercontent.com/werowe/logisticRegressionBestModel/master/KidCreative.csv'
data=pd.read_csv（url，分隔符='，'）
标签=数据['Buy']
features=data.iloc[：，2:16]
模型=顺序（）
compile（优化器='rmsprop'，loss='binary\u crossentropy'，metrics=['accurity']）
model.fit（数据、标签、年代=10，批次大小=32）
模型评估（标签、特征、批次大小=128）
模型预测（标签）
model.summary（）

但我得到了这个错误：

model.summary（）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/home/walker/tf3/lib/python3.4/site packages/keras/engine/network.py”，第1263行，摘要
“此模型从未被调用过，它的重量”
ValueError：从未调用过此模型，此模型的权重尚未创建，因此无法显示摘要。首先构建模型（例如，通过调用一些测试数据）。

第一步应该是实际构建一个模型，而你不需要这样做；i、 e.在

model=Sequential（）

之后，应该有一些

model.添加
语句，以便在编译、拟合模型并使用它进行评估或获取其摘要之前，构建模型

与其从质量模棱两可的回购协议中获得指导，不如从官方示例和教程开始——比如看；在此仅复制与模型相关的部分，我们得到：

model=Sequential（）
#没有建立模型，就像你的情况一样
model.compile（loss=keras.loss.categorical_交叉熵，
optimizer=keras.optimizers.Adadelta（），
指标=[‘准确度’]）

这应该已经给出了一个错误：

TypeError:无法生成顺序模型：模型为空。首先添加一些层。

我很惊讶你没有报告你的情况

以下是我们应该做的事情（同样，请参阅链接了解全部详细信息）：

model=Sequential（）
add（Conv2D（32，内核大小=（3,3），
激活='relu'，
输入形状=输入形状）
添加（Conv2D（64，（3,3），activation='relu'））
add（MaxPooling2D（池大小=（2,2）））
模型。添加（辍学率（0.25））
model.add（展平（））
添加（密集（128，activation='relu'））
模型。添加（辍学率（0.5））
添加（密集（num_类，activation='softmax'））
model.compile（loss=keras.loss.categorical_交叉熵，
optimizer=keras.optimizers.Adadelta（），
指标=[‘准确度’]）
model.summary（）
#行吗
感谢Matias Valdenegro，我添加了一些输入层并更改了丢失函数。现在，这项工作：

import tensorflow as tf
from keras.models import Sequential
import pandas as pd
from keras.layers import Dense

url = 'https://raw.githubusercontent.com/werowe/logisticRegressionBestModel/master/KidCreative.csv'

data = pd.read_csv(url, delimiter=',')

labels=data['Buy']
features = data.iloc[:,2:16]

model = Sequential()

model.add(Dense(units=64, activation='relu', input_dim=1))
model.add(Dense(units=14, activation='softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])

model.fit(labels, features,
          batch_size=12,
          epochs=10,
          verbose=1,
          validation_data=(labels, features))

model.evaluate(labels, features, verbose=0)

model.summary()

如上所述，在调用mode.summary（）之前，模型中必须有层

编辑：我想添加这一点，即使您的模型有层model.summary（）如果在第一层中没有“input\u shape”，它可能无法工作

因为在顺序模型中，每个层的输入尺寸（因此参数的数量）是使用前一层的输出尺寸计算的，但要开始此链，需要第一层的输入尺寸。因此，如果没有输入维度，就不可能生成模型摘要

注意：如果您没有明确指定输入维度，keras将在您第一次调用fit（）时计算出来。因此，如果您没有指定输入形状，那么您需要在model.summary（）之前调用model.fit（）
您似乎没有构建任何模型；您确定在
model=Sequential（）
之后和
model.compile
之前没有其他代码？没有。这是完整的代码，此处也显示您的模型为空，错误消息是正确的。您应该将层和内容放入Sequentials的实例中—您只是直接从Keras MNIST CNN示例复制了代码。下面是基于Matias Valdenegro建议的工作代码。@WalkerRowe非常欢迎您！别介意，在“只是复制”之前，我必须先复制错误（即修改示例并实际运行修改后的代码），为此，我需要一个可靠的可复制示例，其中有一个已知的问题（我或其他人是如何从你的问题中猜出你有一个14类的分类任务的？），所有这些都需要一些时间，比一个简单的评论要长一些。。。