我在做一个小实验，目的是了解如何构建一个顺序模型。
我有一个形状为(10, 10, 5)的numpy数组，称之为feature_0。我创建了如下的顺序模型：
model = tf.keras.models.Sequential([ layers.Dense(units=16, input_shape=(10, 5)), layers.Dense(units=8), layers.Dense(units=1)])model(features_0)model.summary()这返回了一个模型摘要，如下所示：
Model: "sequential_16"_________________________________________________________________Layer (type) Output Shape Param # =================================================================dense_48 (Dense) (None, 10, 16) 96 _________________________________________________________________dense_49 (Dense) (None, 10, 8) 136 _________________________________________________________________dense_50 (Dense) (None, 10, 1) 9 =================================================================Total params: 241Trainable params: 241Non-trainable params: 0_________________________________________________________________这正是我所期望的。我知道不需要将features_0传递给模型就能看到摘要，因为已经指定了输入形状。然而，当我尝试这样做时，出现了错误：
model = tf.keras.models.Sequential([ layers.Dense(units=16), layers.Dense(units=8), layers.Dense(units=1)])model(features_0)model.summary()我只是在第一个隐藏层中移除了输入形状。我期望看到的是它会返回一个模型摘要，并且由于没有给出输入形状，输出形状将显示为multiple。然而，我得到了下面的错误：
InvalidArgumentError: cannot compute MatMul as input #1(zero-based) was expected to be a int64 tensor but is a float tensor [Op:MatMul]我构建模型的第一种和第二种方式有什么不同？我应该总是指定输入形状吗？这似乎与数据类型有关。正如错误所提示的，模型期望integer输入，但我的feature_0是一个形状为(10, 10, 5)的整数numpy数组。我是这样创建numpy数组的：
features_0 = np.random.randint(100, size=(10, 10, 5))谢谢帮助。
回答：
我通过将'int64'转换为'float64'解决了这个问题，如下所示：
features_1 = features_0.astype('float32')model = tf.keras.models.Sequential([ layers.Dense(units=16), layers.Dense(units=8), layers.Dense(units=1)])model(features_1)model.summary()它返回了预期的模型摘要。
