ValueError: 在“sequential”层的输入0与该层不兼容：期望形状为（无，455，30），但发现形状为（无，30）。

Question

这里是一个癌症检测的小项目，已经有了数据集和Colab代码，但在我执行时出现了错误。

这里 是项目链接。

model.fit(x_train, y_train, epochs=1000)

错误如下：

ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 455, 30), found shape=(None, 30)

当我查看评论时，其他人也遇到了这个问题。

- Weber Wang

---

你好，欢迎来到StackOverflow！请不要发布外部视频/教程的链接。相反，请在您的问题中包含数据样本（例如df.head().to_dict()）和相关代码，以便我们可以复制粘贴以重现您的错误。 - not_speshal

Answer 1

TensorFlow模型期望输入的第一维是批处理大小，在模型声明中，他们设置输入形状与输入形状相同。为了解决这个问题，你可以将模型的输入形状更改为数据集中的要素数量。

model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))

.csv文件中的行数将成为您数据集中样本的数量。由于您没有使用批处理，因此模型将在每个时期同时评估整个数据集。

- Tobiaaa

---

我的代码似乎可以使用 model = Sequential() model.add(Dense(512, input_shape=(X.shape[1],), activation='relu', input_dim=3)) model.add(Dense(512, activation='relu')) model.add(Dense(1)) model.compile(optimizer='adam', loss='mae', metrics=['mae']) 我只需要插入一个 input_shape=(X.shape[1]) 的实例。这是正确的方式吗？为什么需要在下标 (X_train.shape[1],) 后面加上额外的逗号？ - Edison

是的，您只需要第一层的输入形状，所有其他形状都是推断出来的。逗号是因为形状被给定为元组。 - Tobiaaa

Answer 2

我尝试了上面的解决方案：

model.add(tf.keras.layers.Dense(256,input_shape(x_train.shape[1],), activation='sigmoid'))

但是出现了相同的问题，所以我尝试将模型的input_shape单独定义为下面的代码，并且它可以正常工作，希望这可以帮到你：

model.add(tf.keras.Input(shape=(x_train.shape[1],))) model.add(tf.keras.layers.Dense(128, activation='sigmoid')) model.add(tf.keras.layers.Dense(256, activation='sigmoid')) model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

- masume azizyan

Answer 3

参数 input_shape 形状元组（不包括批次轴）或 TensorShape 实例（不包括批次轴）。 根据 Keras 文档，输入形状确实包括批次轴， 因此请尝试使用 input_shape=(30,) 而不是 input_shape=(455,30)

- sangwan