TensorFlow Keras模型编译成功但summary未定义及数据适配错误求助

问题现象 #

使用Python 3.10.12 + TensorFlow 2.16.1定义Sequential模型后，出现两个异常：

1. model.summary()输出显示所有层参数为0、输出形状为?，提示模型未构建；
2. 运行训练脚本时触发ValueError，提示无法识别numpy.ndarray类型的输入数据。

模型构建代码 #

model = Sequential()
#model.add(embedding_layer)  # Add embedding layer if applicable
model.add(Dense(num_dense_units, activation='relu'))  # First dense layer with ReLU activation
model.add(Dense(len(set(cluster_labels)), activation='softmax'))  # Output layer with softmax for multi-class classification

# Model compilation
#model.compile(loss=CategoricalCrossentropy(), optimizer=Adam(), metrics=['accuracy'])
model.compile(loss=CategoricalCrossentropy(from_logits=True), optimizer=Adam(learning_rate=0.001), metrics=['accuracy'])
print(model.summary())

model.summary()输出结果（翻译后） #

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┓
┃ 层（类型）                         ┃ 输出形状                ┃         参数数量 ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━┩
│ embedding (Embedding)                │ ?                           │     0（未构建） │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ dense_2 (Dense)                      │ ?                           │     0（未构建） │
├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤
│ dense_3 (Dense)                      │ ?                           │     0（未构建） │
└──────────────────────────────────────┴─────────────────────────────┴─────────────────┘
 总参数: 0 (0.00 B)
 可训练参数: 0 (0.00 B)
 不可训练参数: 0 (0.00 B)
None

运行时错误信息（翻译后） #

File "/usr/local/lib/python3.10/dist-packages/keras/src/utils/traceback_utils.py", line 122, in error_handler
    raise e.with_traceback(filtered_tb) from None
  File "/usr/local/lib/python3.10/dist-packages/keras/src/trainers/data_adapters/__init__.py", line 120, in get_data_adapter
    raise ValueError(f"Unrecognized data type: x={x} (of type {type(x)})")
ValueError: 无法识别数据类型: x=[[ 0  0  0 ... 10  4  7]
 [ 0  0  0 ... 10  4  7]
 [ 0  0  0 ... 10  4  7]
 ...
 [ 0  0  0 ...  1  6 30]
 [ 0  0  0 ...  1  6 30]
 [ 0  0  0 ...  1  6 30]] (类型为 <class 'numpy.ndarray'>)

原因分析 #

1. 模型未构建：Keras的Sequential模型需要明确输入形状才能计算各层参数和输出形状。代码中第一个Dense层未指定input_shape，也未通过喂入数据触发模型构建，导致所有层处于未初始化状态，参数为0、输出形状未知。
2. 损失函数配置错误：输出层使用了softmax激活函数，但编译时设置了CategoricalCrossentropy(from_logits=True)。from_logits=True仅适用于输出层无激活函数的场景，该配置会导致损失计算逻辑混乱，进一步影响模型对输入数据的处理。
3. 输入数据识别失败：模型未构建时，Keras无法确定输入数据的预期维度，因此数据适配器无法正确解析numpy.ndarray类型的输入，抛出识别错误。

解决步骤 #

1. 显式指定输入形状 #

在第一个Dense层中添加input_shape参数（替换input_dim为你的输入特征维度），让模型明确输入维度，触发构建：

model.add(Dense(num_dense_units, activation='relu', input_shape=(input_dim,)))

或者使用Input层作为模型的第一层：

model.add(Input(shape=(input_dim,)))
model.add(Dense(num_dense_units, activation='relu'))

2. 修正损失函数配置 #

由于输出层使用了softmax，需移除from_logits=True参数（默认from_logits=False）：

model.compile(loss=CategoricalCrossentropy(), optimizer=Adam(learning_rate=0.001), metrics=['accuracy'])

如果希望使用from_logits=True，则需移除输出层的softmax激活函数：

model.add(Dense(len(set(cluster_labels))))  # 移除softmax
model.compile(loss=CategoricalCrossentropy(from_logits=True), optimizer=Adam(learning_rate=0.001), metrics=['accuracy'])

3. 验证模型构建 #

修改后运行model.summary()，会显示各层的正确输出形状和参数数量，说明模型已成功构建。此时再传入numpy.ndarray类型的输入数据，即可正常训练。

完整修正代码示例 #

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.losses import CategoricalCrossentropy
from tensorflow.keras.optimizers import Adam

# 假设输入特征维度为input_dim，需替换为实际值
input_dim = 100  # 示例值，根据你的数据调整
num_dense_units = 64
cluster_labels = [0,1,2,3]  # 示例标签

model = Sequential()
model.add(Dense(num_dense_units, activation='relu', input_shape=(input_dim,)))
model.add(Dense(len(set(cluster_labels)), activation='softmax'))

model.compile(loss=CategoricalCrossentropy(), optimizer=Adam(learning_rate=0.001), metrics=['accuracy'])
print(model.summary())

内容的提问来源于stack exchange，提问作者PHcoDer