TensorFlow模型在Jupyter Notebook报ValueError，Coursera环境可正常运行

问题原因 #

你的输入数据X是一维张量（形状为(8,)），而Keras的Dense层默认期望输入是二维张量（格式为(样本数量, 特征数量)）。Coursera环境可能使用的是旧版本TensorFlow，会自动兼容一维输入；但本地较新版本的TensorFlow会严格校验输入维度，因此抛出ValueError。

解决步骤 #

1. 调整输入数据维度 #

给X增加一个特征维度，将形状从(8,)转为(8, 1)，有两种简单实现方式：

方式一：用tf.expand_dims扩展维度

import tensorflow as tf
import numpy as np 
X = tf.constant(np.array([-7.0, -4.0, -1.0, 2.0, 5.0, 8.0, 11.0, 14.0]))
# 在axis=1位置增加维度，将一维转为二维
X = tf.expand_dims(X, axis=1)

y = tf.constant(np.array([3.0, 6.0, 9.0, 12.0, 15.0, 18.0, 21.0, 24.0]))

model = tf.keras.Sequential([ tf.keras.layers.Dense(1) ])

model.compile(loss = tf.keras.losses.mae, optimizer = tf.keras.optimizers.SGD(), metrics = ['mae'])

model.fit(X, y, epochs=5)

方式二：创建数组时直接定义二维结构

import tensorflow as tf
import numpy as np 
# 直接以二维数组形式定义X，每个元素单独作为一个子列表
X = tf.constant(np.array([[-7.0], [-4.0], [-1.0], [2.0], [5.0], [8.0], [11.0], [14.0]]))

y = tf.constant(np.array([3.0, 6.0, 9.0, 12.0, 15.0, 18.0, 21.0, 24.0]))

model = tf.keras.Sequential([ tf.keras.layers.Dense(1) ])

model.compile(loss = tf.keras.losses.mae, optimizer = tf.keras.optimizers.SGD(), metrics = ['mae'])

model.fit(X, y, epochs=5)

2. 版本对齐（可选） #

如果想完全匹配Coursera环境的运行逻辑，可以查看并安装对应版本的TensorFlow：

• 查看当前本地版本：

print(tf.__version__)

• 安装指定版本（示例为2.8.0，需根据Coursera实际版本调整）：

pip install tensorflow==2.8.0

不过更推荐用方法1调整维度，因为新版本的维度校验是更规范的机器学习数据输入要求。

内容的提问来源于stack exchange，提问作者Damilare