ValueError：将字典输入传递给没有FeatureLayer作为第一层的序列模型是错误的

Question

我尝试运行以下代码，但得到了这个错误：

文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\引擎\training.py"，第819行，适合
use_multiprocessing=use_multiprocessing）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\引擎\training_v2.py"，第235行，在适合
use_multiprocessing=use_multiprocessing）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\引擎\training_v2.py"，第593行，在_process_training_inputs
use_multiprocessing=use_multiprocessing）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\Engine\training_v2.py"，第706行，在_process_inputs
use_multiprocessing=use_multiprocessing）
File"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\Engine\data_adapter.py"，第702行，在init
x=standardize_function（x）
File"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\引擎\training_v2.py"，第660行，在standardize_function
标准化（数据集，extract_tensors_from_dataset=False）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\引擎\training.py"，第2346行，_standardize_user_data
all_inputs，y_input，dict_inputs=自己。_build_model_with_inputs（x，y）文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\Engine\training.py"，第2572行，_build_model_with_inputs
自己。_set_inputs（cast_inputs）
File"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\Engine\training.py"，第2647行，在_set_inputs
输入=自己。_set_input_attrs（输入）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\训练\跟踪\base.py"，第457行，_method_wrapper
结果=方法（自己，*args，**kwargs）
文件"C：\用户\TomerK\AppData\本地\程序\Python\Python37\lib\site-包\tensorflow_core\python\keras\Engine\training.py"，第2681行，在_set_input_attrs
提高值错误（'传递字典输入到顺序模型'
值错误：传递字典输入到没有FeatureLayer作为第一层的顺序模型是一个错误。

代码：

# -*- coding: utf-8 -*-
import os
#os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

import tensorflow as tf
import tensorflow_datasets as tfds

try:
    model = keras.models.load_model("passrockmodel.h5")
except:
    print('\nDownloading Train Dataset...\n')
    train_dataset = tfds.load(name="rock_you", split="train[:75%]")
    assert isinstance(train_dataset, tf.data.Dataset)

    print('\nDownloading Test Dataset...\n')
    test_dataset = tfds.load("rock_you", split='train[-25%:]')
    assert isinstance(test_dataset, tf.data.Dataset)

    model = tf.keras.Sequential([
      tf.keras.layers.Dense(128, activation='relu'),
      tf.keras.layers.Dense(128, activation='relu'),
      tf.keras.layers.Dense(1, activation='sigmoid'),
    ])

    model.compile(
        loss='binary_crossentropy',
        optimizer='adam',
        metrics=['accuracy'])


    model.fit(train_dataset, epochs=20)

    model.save("passrockmodel.h5")


test_loss, test_accuracy = model.evaluate(test_dataset)

print('\nPredicting...\n')

predictions = model.predict(test_dataset)

print(predictions[0])

Answer 1

我昨天遇到了你的问题。这是我解决问题的方法：

您的第一层应该是DenseFeaturetf.keras.layers.类型

必须使用tf数组实例化第一层。特征列对象。碰巧我的所有列都是数字，所以我的数组是：

featureColumns = [tf.feature_column.numeric_column(columnNames[i], normalizer_fn= lambda x: (x - mean[i])/std[i]) for i in range(len(columnNames[:-1]))]

注意：normalizer_fnarg也非常有用。它可以消除任何额外的标准化预处理层的需要，如果你需要它。

所以我的图层变成了：

layers.DenseFeatures(feature_columns=featureColumns, trainable=True)

我相信这会解决你问题中提到的错误。引用为

ValueError：将字典输入传递到没有FeatureLayer作为第一层的序列模型是错误的。