我正在嘗試獲取數據幀并將它們轉換為張量以在 keras 中訓練模型。我認為當我將 Y 標簽轉換為張量時會觸發它： 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))將 y_train 從切片轉換為張量時出現以下錯誤：ValueError: Value tf.Tensor(0.10559591064345274, shape=(), dtype=float64) has insufficient rank for batching.在教程中，這似乎有效，但我認為這些教程正在執行多類分類，而我正在執行回歸，因此 y_train 是一系列而不是多列。我能做什么有什么建議嗎？
1 回答
MYYA
TA貢獻1868條經驗 獲得超4個贊
要么使用：
y = tf.data.Dataset.from_tensors(dict(y_train))
或這個：
y = tf.data.Dataset.from_tensor_slices(y_train)
或者只使用雙括號，這樣您的數據框仍然是一個數據框，那么您就不需要更改任何內容：
y_train = df[['height']].copy()
y = tf.data.Dataset.from_tensor_slices(dict(y_train))
重現該問題的完整代碼，以及替代方案：
import tensorflow as tf
import pandas as pd
df = 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 good
y = tf.data.Dataset.from_tensor_slices(y_train) # good
print(next(iter(y)))
y = tf.data.Dataset.from_tensors(y_train) # good
print(next(iter(y)))
y_train = df[['floats']].copy()
y = tf.data.Dataset.from_tensor_slices(dict(y_train)) # good
next(iter(y))
{'floats': <tf.Tensor: shape=(4,), dtype=float64, numpy=array([5., 4., 3., 2.])>}
添加回答
舉報
0/150
提交
取消