我有一個具有以下維度的 mapdataset 元素：
MapDataset element_spec=(TensorSpec(shape=(None, 1, 24), dtype=tf.float32, name=None), TensorSpec(shape=(None, 1, 24), dtype=tf.float32, name=None))
我想創建一個功能api如下：
input_ = keras.layers.Input(shape=24)
hidden1 = keras.layers.Dense(30, activation="relu")(input_)
hidden2 = keras.layers.Dense(30, activation="relu")(hidden1)
concat = keras.layers.concatenate([input_, hidden2])
output = keras.layers.Dense(1)(concat)
model = keras.models.Model(inputs=[input_], outputs=[output])
我收到以下錯誤
ValueError: Input 0 of layer "model_3" is incompatible with the layer: expected shape=(None, 24), found shape=(None, 1, 24)
如何減少地圖資料集中的維度？我試過[:, -1:, :]或tf.squeeze()方法，但沒有奏效。
uj5u.com熱心網友回復：
map在將資料集提供給模型之前，您可以將另一個函式應用于資料集以減少維度：
def prepare_data(x):
return tf.random.normal((samples, 1, 24)), tf.random.normal((samples, 1, 24))
def reduce_dimension(x, y):
return tf.squeeze(x, axis=1), tf.squeeze(y, axis=1)
samples = 50
dataset = tf.data.Dataset.range(samples)
dataset = dataset.map(prepare_data)
print('Before reducing dimension: ', dataset.element_spec)
dataset = dataset.map(reduce_dimension)
print('After reducing dimension: ', dataset.element_spec)
Before reducing dimension: (TensorSpec(shape=(50, 1, 24), dtype=tf.float32, name=None), TensorSpec(shape=(50, 1, 24), dtype=tf.float32, name=None))
After reducing dimension: (TensorSpec(shape=(50, 24), dtype=tf.float32, name=None), TensorSpec(shape=(50, 24), dtype=tf.float32, name=None))
根據您的用例，您還可以簡單地減少第一個map函式中的維度。在這里，我假設您MapDataset已經存在。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/337546.html