我是Tensorflow的新手，在将自定义数据提供给keras模型时遇到问题。
我遵循了本指南：加载图像以将我的.jpg文件转换为tf.data。
现在我已将数据转换为(image_batch，label_batch(。image_batch是形状为 (32,224,224,3( 的 EagerTensor，label_batch是形状为 (32,2( 的 EagerTensor。
然后我找到了这个指南：自定义训练：演练，但公会中的数据被转换为形状为 (32,4( 的 EagerTensor。
执行代码时收到警告：
model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(3,)), # input shape required
tf.keras.layers.Dense(10, activation=tf.nn.relu),
tf.keras.layers.Dense(3)
])
predictions = model(image_batch)
WARNING:tensorflow:Model was constructed with shape (None, 3) for input Tensor("dense_input:0", shape=(None, 3), dtype=float32), but it was called on an input with incompatible shape (32, 224, 224, 3).
我应该如何调整我的模型或我应该如何处理我的数据？
编辑：
该模型现在可以工作，但还有一个额外的问题。
当我运行以下代码时：
print("Prediction: {}".format(tf.argmax(predictions, axis=1)))
print(" Labels: {}".format(labels_batch))
它打印：
Prediction: [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]
Labels: [[ True False]
[False True]
[ True False]
[False True]
[ True False]...(omitted)]
但我希望它打印如下：
Prediction: [0 1 0 1 1 1 0 1 0 1 1 0 0 0 0 0 1 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0]
Labels: [2 0 2 0 0 0 1 0 2 0 0 1 1 2 2 2 1 0 1 0 1 2 0 1 1 1 1 0 2 2 0 2]
将标签作为带有整数的一维数组。
我想知道预测都是 1 是否正常？我该怎么办？
您输入的是 32 张形状为 (224， 224， 3( 的图像，而不是 (3，(。输入形状需要为 (224,224,3(。
我还注意到您的输出形状看起来也会是 (224,224,3(，这与您的标签不匹配。您需要在某个时候展平数据或执行类似操作。
model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation=tf.nn.relu, input_shape=(224,224,3)), # input shape required
tf.keras.layers.Dense(10, activation=tf.nn.relu),
tf.kears.layers.Flatten(),
tf.keras.layers.Dense(2)
])
Danse 图层的输入形状应具有维度 (None， n(，其中 None 是batch_size。在您的情况下，如果您想使用密集图层，您应该首先使用Flatten图层，将图像滚动到形状(32, 224 * 224 * 3)。代码应为：
model = tf.keras.Sequential([
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(10, activation=tf.nn.relu),
tf.keras.layers.Dense(10, activation=tf.nn.relu),
tf.keras.layers.Dense(3)
])
有关更多详细信息，请参阅 https://www.tensorflow.org/api_docs/python/tf/keras/layers/Flatten