ValueError:层"sequential“的输入0与层不兼容:预期的shape=(None，455，30)，发现的shape=(None，30)

Question

https://www.youtube.com/watch?v=z1PGJ9quPV8&t=28s这里是一个癌症检测的小项目，它已经提供了数据集和colab代码，但我在执行时遇到了问题

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

它显示: ValueError:层"sequential“的输入0与层不兼容:预期的shape=(无，455，30)，发现的shape=(无，30)

我看了评论，有些人也有同样的问题

Answer 1

Tensorflow模型期望输入的第一个维度是批量大小，但是在模型声明中，它们将输入形状设置为与输入相同的形状。要解决此问题，您可以将模型的输入形状更改为数据集中的特征数量。

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

.csv文件中的行数将是数据集中的样本数。由于您未使用批处理，因此模型将在每个时期一次性评估整个数据集