我在使用 Keras 构建一个用于预测糖尿病的神经网络。然而，我遇到了一个 ValueError: 当向模型输入符号张量时，我们期望张量具有静态批量大小。

我尝试更改输入形状，但仍然被卡住了。

num_classes = 2from keras.layers import Input, Densefrom keras.models import Model# 这返回一个张量inputs = Input(shape=(784,))# 一个层实例可以对张量进行调用，并返回一个张量x = Dense(64, activation='relu')(inputs)x = Dense(64, activation='relu')(x)predictions = Dense(10, activation='sigmoid')(x)# 这创建了一个包含# 输入层和三个全连接层的模型model = Model(inputs=inputs, outputs=predictions)model.compile(optimizer='rmsprop',          loss='binary_crossentropy',          metrics=['accuracy'])model.fit(x,y)  # 开始训练

运行后出现 ValueError: 当向模型输入符号张量时，我们期望张量具有静态批量大小。

回答：

因为这些行 x 是一个层对象

x = Dense(64, activation='relu')(inputs)x = Dense(64, activation='relu')(x)

模型应该在实际数据上进行拟合，但你却传入了一个层对象：

model.fit(x,y)  # 开始训练

简单来说，你的 x 是一个 Layer 对象，它是一个符号张量，Keras 尝试将其视为数据张量但失败了。

要解决这个问题，只需确保你传入的 x 确实是你的训练数据 x 即可。