Я старшеклассник, пытаюсь изучить основы TensorFlow. В настоящее время я создаю модель с входными файлами TFRecords, типом файла набора данных по умолчанию из TensorFlow, которые были сжаты из исходных необработанных данных. В настоящее время я использую запутанный способ разбора данных в несколько массивов, чтобы Keras мог их интерпретировать. Хотя Keras является частью TF, он должен легко читать наборы данных TFRecord. Есть ли другой способ для Keras понять файлы TFRecord?
Я использую метод _decodeExampleHelper для подготовки данных для обучения.
def _decodeExampleHelper(example) :
dataDictionary = {
'xValues' : tf.io.FixedLenFeature([7], tf.float32),
'yValues' : tf.io.FixedLenFeature([3], tf.float32)
}
# Parse the input tf.Example proto using the data dictionary
example = tf.io.parse_single_example(example, dataDictionary)
xValues = example['xValues']
yValues = example['yValues']
# The Keras Sequential network will have "dense" as the name of the first layer; dense_input is the input to this layer
return dict(zip(['dense_input'], [xValues])), yValues
data = tf.data.TFRecordDataset(workingDirectory + 'training.tfrecords')
parsedData = data.map(_decodeExampleHelper)
Мы видим, что parsedData
имеет правильные размеры в следующем блоке кода.
tmp = next(iter(parsedData))
print(tmp)
Это выводит первый набор данных в правильных измерениях, которые Керас должен быть в состоянии интерпретировать.
({'dense_input': <tf.Tensor: id=273, shape=(7,), dtype=float32, numpy=
array([-0.6065675 , -0.610906 , -0.65771157, -0.41417238, 0.89691925,
0.7122903 , 0.27881026], dtype=float32)>}, <tf.Tensor: id=274, shape=(3,), dtype=float32, numpy=array([ 0. , -0.65868723, -0.27960175], dtype=float32)>)
Вот очень простая модель, состоящая всего из двух слоев, и тренируйте ее с данными, которые я только что проанализировал.
model = tf.keras.models.Sequential(
[
tf.keras.layers.Dense(20, activation = 'relu', input_shape = (7,)),
tf.keras.layers.Dense(3, activation = 'linear'),
]
)
model.compile(optimizer = 'adam', loss = 'mean_absolute_error', metrics = ['accuracy'])
model.fit(parsedData, epochs = 1)
Строка model.fit(parsedData, epochs = 1)
дает ошибку ValueError: Error when checking input: expected dense_input to have shape (7,) but got array with shape (1,)
, несмотря на то, что density_input равняется 7.
Какая проблема могла быть в этом случае? Почему Keras не может правильно интерпретировать тензоры из файла?