TensorFlow模型训练时验证数据输入形状不匹配问题求助

问题背景 #

使用TensorFlow开发简单机器学习模型时，训练过程原本正常，但添加验证数据后出现输入形状不匹配错误。

模型代码 #

import tensorflow as tf
import pandas as pd

# 加载CSV数据
def load_data(filename):
    data = pd.read_csv(filename)
    X = data[['X0','X1','X2','X3']]
    Y = data[['Y0','Y1']]
    return tf.data.Dataset.from_tensor_slices((X.values, Y.values))

training_data = load_data("binarydatatraining.csv")
print(training_data)

# 构建简单神经网络模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(4, activation='relu'),
  tf.keras.layers.Dense(2)
])
# 编译模型
model.compile(optimizer='adam',
              loss='mean_squared_error')

# 加载验证数据
validation_data = load_data("binarydatavalidation.csv")
print(validation_data)

# 训练模型
model.summary()
model.fit(training_data.batch(9), epochs=5)
model.summary()
model.fit(training_data.batch(9), epochs=1, validation_data = validation_data, validation_steps = 2)

错误信息 #

ValueError: Exception encountered when calling Sequential.call().

[1mInvalid input shape for input Tensor("sequential_1/Cast:0", shape=(4,), dtype=float32). Expected shape (None, 4), but input has incompatible shape (4,)[0m

Arguments received by Sequential.call():
  • inputs=tf.Tensor(shape=(4,), dtype=int64)
  • training=False
  • mask=None

数据集维度信息 #

打印训练与验证数据集，输出均为：

<_TensorSliceDataset element_spec=(TensorSpec(shape=(4,), dtype=tf.int64, name=None), TensorSpec(shape=(2,), dtype=tf.int64, name=None))>

解决方法 #

错误根源是验证数据未做批量（batch）处理：训练数据通过batch(9)处理后，输入形状为(9,4)（符合模型期望的(None,4)，None代表批量维度），但验证数据是单个样本的形状(4,)，与模型输入要求不匹配。

修正方式：

• 给验证数据添加与训练数据一致的批量处理：

validation_data = load_data("binarydatavalidation.csv").batch(9)

• 之后直接在model.fit中使用该验证数据集即可，若保留validation_steps需确保其与批量后的数据集步数匹配。

内容的提问来源于stack exchange，提问作者AmericanJael