Python 多个标签的Tensorflow Keras尺寸不相等错误

我正试图使用Tensorflow 2.0.0的Keras和Tensorflow数据集API，从多维输入预测多维输出

我正在

python3.6.9

上使用

tensorflow 2.0.0

和

tensorflow数据集1.3.0

下面是我的示例代码，我还在[Colab笔记本]（）上复制了它，您可以运行它：

将tensorflow导入为tf
数据=[[1,2]，[11,22]]
标签=[[3,4,5]，[33,44,55]]
dataset=tf.data.dataset.from_tensor_切片（（数据，标签））
model=tf.keras.Sequential（）
添加模型（tf.keras.layers.Dense（3））
compile（'adam'，'mse'，metrics=['mse']）
model.fit（数据集，验证\数据=数据集）

在这个示例代码中，我试图预测

[1,2]->[3,4,5]

和

[11,22]->[33,44,55]

。但是我得到了一个错误：

---------------------------------------------------------------------------
InvalidArgumentError回溯（最后一次最近调用）
/tensorflow-2.0.0/python3.6/tensorflow_core/python/framework/ops.py in_create_c_op（图形、节点定义、输入、控制输入）
1609试试看：
->1610 c_op=c_api.TF_FinishOperation（op_desc）
1611错误除外。InvalidArgumentError为e:
InvalidArgumentInterror：维度必须相等，但输入形状为[2,3]，[3,1]的“损失/输出\损失/平方差”（op:“平方差”）的维度为2和3。
在处理上述异常期间，发生了另一个异常：
ValueError回溯（最近一次调用上次）
29帧
/tensorflow-2.0.0/python3.6/tensorflow_core/python/framework/ops.py in_create_c_op（图形、节点定义、输入、控制输入）
1611错误除外。InvalidArgumentError为e:
1612#转换为ValueError以实现向后兼容性。
->1613提升值错误（str（e））
1614
1615返回c_op
ValueError：尺寸必须相等，但输入形状为[2,3]、[3,1]的“损耗/输出\损耗/平方差”（op:“平方差”）的尺寸为2和3。

根据问题的答案， 在数据集上使用批处理修复了代码。 原始代码比这复杂，但使用批处理修复了它

将tensorflow导入为tf
数据=[[1,2]，[11,22]]
标签=[[3,4,5]，[33,44,55]]
dataset=tf.data.dataset.from_tensor_切片（（数据，标签））.batch（2）
model=tf.keras.Sequential（）
添加模型（tf.keras.layers.Dense（3））
compile（'adam'，'mse'，metrics=['mse']）
model.fit（数据集，验证\数据=数据集）

使用数据集的方法如下

dataset=tf.data.dataset.from_tensor_slices（（np.array（data），np.array（label））.batch（2）

@thushv89结果表明，使用

.batch（n）

处理正整数

n

，例如，数据集上的批（2）可以让训练起作用。（你的回答有效）