我刚开始使用Tensorflow，正在尝试实现一个讽刺检测模型。我的数据集由标记为1或0的推文组成，用以表示它们是否具有讽刺性。

经过预处理、标记化和填充阶段后，我得到了固定长度的序列和一个相关的标签向量，用于划分为训练集和测试集，并作为模型的输入。序列的形式如下：

>>> dataarray([[    1,   677,   348, ...,     0,     0,     0],
       [    1,   677,   348, ...,     0,     0,     0],
       [    1,   825,     1, ...,     0,     0,     0],
       ...,
       [  908,  1376,   686, ...,     0,     0,     0],
       [    8,   158, 14579, ...,     0,     0,     0],
       [    1,     1,    35, ...,     0,     0,     0]], dtype=int32)>>> data.shape(3977, 50)>>> data[0].shape(50,)

模型如下所示：

num_words = len(tok.word_index) + 1 # tok是一个我用于数据的Tokenizerimport tensorflow as tkfrom tensorflow import kerasearly_stopping = keras.callbacks.EarlyStopping(monitor='val_loss', patience=2)# 模型model = keras.Sequential()model.add(keras.layers.Embedding(num_words, 64, input_length=Config.SEQUENCE_LENGTH, mask_zero=True))model.add(keras.layers.GRU(64, return_sequences=True))model.add(keras.layers.GRU(64))model.add(keras.layers.Dense(1, activation='sigmoid'))

在使用model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])编译模型并使用sklearn的工具函数划分数据集后，我调用了模型的fit方法：

model.fit(x_train, y_train, batch_size=10, epochs=10, validation_split=0.1, callbacks=[early_stopping])

训练模型后，evaluate方法按预期工作，输入为x_test和y_test，但如果我调用model.predict_classes(x_test[0])（或(model.predict(x_test[0]) > 0.5).astype("int32")），而不是得到单个预测，我得到的是形状为(50,1)的预测数组。我尝试这样重塑x_test[0]：model.predict_classes(x_test[0].reshape(1,50))，然后我得到一个包含单个预测的数组：array([[1]], dtype=int32)

因此，现在我留下了以下问题（也因为在调用evaluate(x_test, y_test)时得到0.6的准确率）：

• 为什么如果我将数据集作为数组的数组（x_train）传递给模型，我不能直接将测试集的一个元素传递给预测函数（例如x_test[0]），而是必须重塑它呢？
• 这是正常的还是有错误？我是否错误地设置了模型的输入维度？在将序列输入模型之前，我是否也应该重塑它们？

回答：

为什么如果我将数据集作为数组的数组(x_train)传递给模型，我不能直接将测试集的一个元素传递给预测函数（例如x_test[0]），而是必须重塑它呢？

这是因为model.predict只能接受一组示例，而不是单个示例，如果你想提供一个单个示例，你必须将其重塑为(1,50)，这样它就是一组示例，其中集合的大小为1。

然而，与其将示例一个接一个地输入model.predict，更有效的方法是将一组示例输入model.predict，即pred_test = model.predict(x_test)，之后如果你想知道第i个示例的预测，可以做prediction_of_the_ith_example = pred_test[i]

这是正常的还是有错误？我是否错误地设置了模型的输入维度？在将序列输入模型之前，我是否也应该重塑它们？

模型定义和训练部分是正确的。

关于标签的形状（y_train和y_test），正确的形状是（数据大小，标签长度），即分别为(3181,1)和(796,1)。你在这里进行的是单标签分类，因此标签长度为1。但即使你使用了(3181,)和(796,)，它也正常工作，只是因为它为你自动进行了广播处理。