我正在尝试使用 tf 数据管道从几个文件中读取数据并训练多输入神经网络。我成功地训练了模型，但是当我想测试模型时，我得到了这个错误：

TypeError: Inputs to a layer should be tensors. Got: <PrefetchDataset shapes: (((None, None),,tensorflow,keras,deep-learning,tensorflow2.0"/>
	














    

		

        

            
            时间戳
        

		

		

        
		

    
















	
首页  > 解决方案 > TypeError：层的输入应该是张量。得到：

我正在尝试使用 tf 数据管道从几个文件中读取数据并训练多输入神经网络。我成功地训练了模型，但是当我想测试模型时，我得到了这个错误：


TypeError: Inputs to a layer should be tensors. Got: <PrefetchDataset shapes: (((None, None),












tensorflow - TypeError：层的输入应该是张量。得到：

我正在尝试使用 tf 数据管道从几个文件中读取数据并训练多输入神经网络。我成功地训练了模型，但是当我想测试模型时，我得到了这个错误：


TypeError: Inputs to a layer should be tensors. Got: <PrefetchDataset shapes: (((None, None),






问题描述



我正在尝试使用 tf 数据管道从几个文件中读取数据并训练多输入神经网络。我成功地训练了模型，但是当我想测试模型时，我得到了这个错误：


TypeError: Inputs to a layer should be tensors. Got: <PrefetchDataset shapes: (((None, None), (None, None)), (None,)), types: ((tf.float32, tf.float32), tf.float32)>



预处理功能：


def split_chr_by_tab(*lines):
    sep = ","
    features = [tf.strings.to_number(tf.strings.split(line, sep=sep), out_type=tf.float32) for line in lines]
    return tf.concat(features, axis=0)

def separate_input_output(input):
    return tuple([input[:-6], input[-6:-1]]), input[-1]



数据管道：


Train_dataset = tf.data.Dataset.list_files(Train_file_list)
Train_dataset= Train_dataset.shuffle(epoch).repeat(epoch).interleave(lambda filename: tf.data.TextLineDataset(filename).skip(1), num_parallel_calls=25)
Train_dataset= Train_dataset.map(split_chr_by_tab,num_parallel_calls=tf.data.experimental.AUTOTUNE).map(separate_input_output,num_parallel_calls=tf.data.experimental.AUTOTUNE)
Train_dataset= Train_dataset.batch(batch_size).prefetch(buffer_size=tf.data.experimental.AUTOTUNE)

Test_dataset = tf.data.Dataset.list_files(Test_file_list)
Test_dataset= Test_dataset.interleave(lambda filename: tf.data.TextLineDataset(filename).skip(1), num_parallel_calls=25)
Test_dataset= Test_dataset.map(split_chr_by_tab,num_parallel_calls=tf.data.experimental.AUTOTUNE).map(separate_input_output,num_parallel_calls=tf.data.experimental.AUTOTUNE)
Test_dataset= Test_dataset.batch(batch_size).prefetch(buffer_size=tf.data.experimental.AUTOTUNE)



模型训练和评估（预测测试数据时出错）：


inp1 = Input(shape=(1000, ),name="inp1")
inp2 = Input(shape=(4, ),name="inp2")
merge1=concatenate([inp1, inp2])
first_dense = Dense(32,kernel_initializer=initializer, )(merge1)
output=dense(1,)(first_dense)
model = Model(inputs=[inp1, inp2], outputs=output)
model.fit(Train_dataset,callbacks=callbacks_list,verbose=1,epochs=epoch,steps_per_epoch=10)
prediction = model(Test_dataset)



你能告诉我为什么我在预测过程中会出错吗？由于某些原因，我需要使用 model(Test_dataset) 而不是 model.predict(Test_dataset)。另外，如何存储预测值和真实标签？











证书有效




可能是这样；但它对“ec2-xxxx.us-east-2.compute.amazonaws.com”有效吗？你得到的错误基本上是说“我向 ec2-xxxx.us-east-2.compute.amazonaws.com 索要它的证书；它给了我一个有效的证书，但它的主机名不同（例如 bad.hacker.com）所以我不会相信它！”。


对于测试，您可以使用该tls_insecure_set()选项忽略它（请参阅文档）。但是，您确实需要查看证书并检查通用名称 (CN) 和主题备用名称 (SAN)（请参阅此答案）。


您在使用 IP 连接时得到的事实Error ! Result code 5使我怀疑证书是使用 IP 地址作为 SAN 创建的（因此当您使用 IP 连接时证书验证部分正在工作）。错误 5是“连接被拒绝，未授权”，因此您可能需要检查您的用户名/密码（和代理配置）。


标签： tensorflowkerasdeep-learningtensorflow2.0


解决方案









Test_dataset是一个PrefetchDataset对象，你不能将它传递给model.__call__，因为它需要一个张量作为输入。改用model.predict()：


prediction = model.predict(Test_dataset)



如果您坚持使用调用模型进行预测，那么您可以这样使用它：


for p, _ in Test_dataset.take(1): # Takes 1 batch
    prediction = model(p)         # Predict 1 batch
print(prediction)











推荐阅读