值 tf.Tensor.. shape=(), dtype=float64) 的批处理等级不足。？

Question

我正在尝试获取数据帧并将它们转换为张量以在 keras 中训练模型。

我认为当我将 Y 标签转换为张量时会触发它：

  X_train = df_train1.drop(variableToPredict, axis=1)

  y_train = df_train1[variableToPredict].copy()

X_train=tf.data.Dataset.from_tensor_slices(dict(X_train))

  y_train=tf.data.Dataset.from_tensor_slices(dict(y_train))

将 y_train 从切片转换为张量时出现以下错误：

ValueError: Value tf.Tensor(0.10559591064345274, shape=(), dtype=float64) has insufficient rank for batching.

在教程中，这似乎有效，但我认为这些教程正在执行多类分类，而我正在执行回归，因此 y_train 是一系列而不是多列。

我能做什么有什么建议吗？

Answer 1

要么使用：y = tf.data.Dataset.from_tensors(dict(y_train))或这个：y = tf.data.Dataset.from_tensor_slices(y_train)或者只使用双括号，这样您的数据框仍然是一个数据框，那么您就不需要更改任何内容：y_train = df[['height']].copy()y = tf.data.Dataset.from_tensor_slices(dict(y_train))重现该问题的完整代码，以及替代方案：import tensorflow as tfimport pandas as pddf = pd.DataFrame(data={'integers': [1, 2, 3, 4], 'floats': [4., 3., 2., 1]})y_train = df['floats'].copy()y = tf.data.Dataset.from_tensor_slices(dict(y_train)) # not goody = tf.data.Dataset.from_tensor_slices(y_train) # goodprint(next(iter(y)))y = tf.data.Dataset.from_tensors(y_train) # goodprint(next(iter(y)))y_train = df[['floats']].copy()y = tf.data.Dataset.from_tensor_slices(dict(y_train)) # goodnext(iter(y)){'floats': <tf.Tensor: shape=(4,), dtype=float64, numpy=array([5., 4., 3., 2.])>}