TensorFlow训练回归模型调用Sequential层出现ValueError如何解决

该报错的核心诱因是输入训练数据的维度不符合Keras全连接层（Dense）的预期格式。
你通过np.arange生成的X_reg_train是一维数组，形状为(150,)，而Keras的Dense层默认要求输入为二维张量，结构为(样本数, 特征数)，你的单特征回归场景下，输入张量形状应为(150, 1)，维度不匹配触发了ValueError。

可任选以下任意一种方案修复：

• 调整输入数据维度，给训练、测试输入数据增加特征维度
  执行训练代码前添加以下代码即可：

  # 为数组增加最后一个维度作为特征维度
  X_reg_train = np.expand_dims(X_reg_train, axis=-1)
  X_reg_test = np.expand_dims(X_reg_test, axis=-1)
  

• 在模型第一层指定输入形状，显式告知模型输入的特征维度
  调整模型定义的第一层代码即可：

  model_3 = tf.keras.Sequential([
    tf.keras.layers.Dense(100, input_shape=(1,)), # 新增input_shape参数指定单特征输入
    tf.keras.layers.Dense(10),
    tf.keras.layers.Dense(1)
  ])
  

内容的提问来源于stack exchange，提问作者user14653534