仅当使用Keras Sequential时才会出现不兼容的形状错误
当使用Keras Sequential时出现不兼容的形状错误是因为模型的输入形状与数据的形状不匹配。Keras Sequential是一种简单的模型类型，适用于层按顺序堆叠的情况。
要解决这个错误，可以采取以下步骤：
- 检查输入数据的形状：确保输入数据的形状与模型的输入层期望的形状一致。可以使用
input_shape参数来指定输入层的形状。 - 转换数据的形状：如果输入数据的形状与模型的输入层不匹配，可以使用
reshape函数来调整数据的形状，使其与模型的输入层匹配。 - 检查模型的层定义：确保模型的层定义正确，每一层的输出形状与下一层的输入形状匹配。
- 检查模型的输入层：确保模型的输入层与数据的形状匹配。可以使用
model.summary()函数查看模型的结构和每一层的输入输出形状。 - 检查模型的编译参数：确保模型的编译参数正确设置，例如损失函数、优化器等。
以下是一些相关的概念和推荐的腾讯云产品：
- Keras Sequential：Keras Sequential是一种简单的模型类型，适用于层按顺序堆叠的情况。它提供了一种简洁的方式来定义和训练神经网络模型。腾讯云没有特定的产品与Keras Sequential直接相关。
- 数据预处理：数据预处理是指在训练模型之前对数据进行清洗、转换和归一化等操作，以提高模型的性能和准确性。腾讯云提供了多个与数据预处理相关的产品，如腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）和腾讯云数据处理服务（https://cloud.tencent.com/product/dps）。
- 模型训练与推理：模型训练是指使用训练数据来调整模型的参数，以使其能够更好地拟合数据。模型推理是指使用训练好的模型对新的数据进行预测或分类。腾讯云提供了多个与模型训练和推理相关的产品，如腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）和腾讯云推理引擎（https://cloud.tencent.com/product/tensorrt）。
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
1回答
对于卷积层和lstm层之间的连接，我有一个问题。该数据为形状( 75，5)，其中每个时间步骤有75个时间步骤x5个数据点。我想做的是在(75x5)上做一个卷积，得到新的(75x5)数据，并将这些数据输入lstm层。但是，它不能工作，因为卷积层的形状有许多滤波器，我不需要。因此，卷积层的输出形状为(1,75,5)，lstm层所需的输入为(75,5)。我怎么才能拿到第一个过滤器。
model = Sequential()
model.add(Convolution2D(1, 5,5,border_mode='same',input_shape=(1,75, 5)))
model.
浏览 2提问于2016-02-07得票数 5
回答已采纳
1回答
我当时正在做“Iris数据集上的模型验证”的作业。
我得到这个错误：“检查输入时出错:期望dense_input具有形状(135，)，但得到具有形状(4，)的数组”。我如何克服这个问题？
我的代码是
from numpy.random import seed
seed(8)
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, model_selection
from sklearn.model_selection import trai
浏览 1提问于2020-12-25得票数 1
1回答
我尝试从我的LSTM模型中预测一个结果
我的模型有n_features = 32和time_step = 100，代码如下
model = tf.keras.Sequential([
tf.keras.layers.InputLayer( input_shape=(time_step , n_features)),
tf.keras.layers.LSTM(64),
tf.keras.layers.Dense(1)]
)
我使用生成器训练我的模型
generator = TimeseriesGenerator(x_feature,y_target,length=time_st
浏览 0提问于2020-03-21得票数 0
我试着用cnn的方法训练一个模型，用tensorflow和keras，但是我一直收到错误--在这个代码下面，有人能帮我或者至少给我一个安静的建议吗？
#Convolutional Neural Network (CNN) with Word2Vec
CNN_Word2Vec_model = Sequential([
Embedding(input_dim =word2Vec_embedding_matrix.shape[0], input_length=max_len, output_dim=word2Vec_embedding_matrix.shape[1],weig
浏览 5提问于2022-05-06得票数 0
1回答
我无法正确地将我的密集层连接到我的LSTM层。我的Y值从0到1，所以乙状结肠在我看来是合乎逻辑的。
我知道错误：
检查目标时出错:期望dense_4具有二维，但得到形状为(993,300，1)的数组
在我看来，我的输入形状正确，总DF为(350700,2413)，我将其重塑为a( 1169,300,2413 ) //不包括Y值。我只是不知道如何让致密的图层工作，并将乙状结肠应用到我的Y上。
随着火车测试的分裂，我有一个(993,300，1)的y_train，这是我的错误的主要问题，但我似乎无法理解我做错了什么。x_train为( 933,300,2413) x_test = (176,
浏览 0提问于2018-07-10得票数 2
回答已采纳
我正在看一本关于Python的深度学习的书，来自F.Chollet。
我试着按照代码示例来做。我刚刚安装了keras，在尝试运行以下代码时，我收到了这个错误:从这个笔记本：
from keras import models
from keras import layers
network = models.Sequential()
network.add(layers.Dense(512, activation='relu', input_shape=(28 * 28,)))
network.add(layers.Dense(10, activation='softm
浏览 0提问于2019-04-07得票数 0
回答已采纳
3回答
我目前有一个类似于这样的keras模型：
model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))
告诉我：
模型需要知道它应该期望什么样的输入形状。因此，序列模型中的第一层(而且只有第一层，因为下面的层可以进行自动形状推断)需要接
浏览 0提问于2019-09-10得票数 13
回答已采纳
2回答
我正在Keras中尝试一个简单的模型，我想把它作为输入5x3大小的矩阵。在下面的示例中，这是在添加第一个密集层时使用input_shape=(5, 3)指定的。
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import Adam
import numpy as np
model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation(&#
浏览 1提问于2017-04-05得票数 10
回答已采纳
我正在尝试使用已接收到的CNN (VGG16)，但我一直收到以下错误：
ValueError: Error when checking input: expected input_2 to have shape (224, 224, 3) but got array with shape (244, 244, 3)
这是我的完整代码：
import numpy as np
import keras
from keras import backend as K
from keras.models import Sequential
from keras.layers import Act
浏览 1提问于2018-11-17得票数 0
回答已采纳
2回答
我正在解决手写数字的问题。希望我的代码是自解释的。 import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import csv
import numpy as np
with open('train.csv') as f:
reader = csv.reader(f)
contents = list(reader)
labels = n
浏览 118提问于2021-05-11得票数 1
所有的最新版本从这篇文章的时刻开始。
tensorflow-gpu: 2.6.0
Python: 3.9.7
CUDA: 11.4.2
cuDNN: 8.2.4
如下面的代码所示，当加载一个通过不向Normalization()传递参数而标准化的模型时，当该模型由load_model()加载时，它会抛出一个异常，但是在加载该模型之前，我可以使用它，而不会出现任何明显的问题，这使您认为它是好的，因为Normalization()没有抱怨并处理输入形状。当加载被Normalization(input_dim=5)规范化的模型时，它不会抛出任何异常，因为指定了已知的形状。这很奇怪，我的意思是Norm
浏览 22提问于2021-09-09得票数 0
回答已采纳
我收到了来自Keras的这个错误：
ValueError: Error when checking input: expected dense_6_input to have 3 dimensions, but got array with shape (55, 72)
在……上面
model.fit(X.values, Y.values, nb_epoch=1000, batch_size=16,verbose=0)
这是我的代码：
from keras.models import Sequential
from keras.layers import Dense,
浏览 1提问于2017-08-15得票数 0
1回答
在使用callbacks.TensorBoard时，我找不出是什么导致了多输出Keras模型的这个错误。
tbCallBack = keras.callbacks.TensorBoard(log_dir = logdir, histogram_freq = 1, write_graph = 1, write_images = 0, write_grads = 1)
###No errror when not using callbacks
regr.fit( Ax_train, [Ay_train_p, Ay_train_s], validation_data= (Ax_test, [Ay_
浏览 2提问于2017-07-11得票数 2
回答已采纳
对于所有无意中发现这一点的人：
我最近正在做图像分类(将CNN安装到一些标记数据上)，我想使用keras的模块进行数据增强。然而，我会被抛出一个NotImplementedError。更确切地说，它说的逐字如下：
(sequential_3/sequential/random_rotation/rotation_matrix/strided_slice:0)：不能将符号张量NotImplementedError转换为numpy数组。此错误可能表示您试图将张量传递给不支持的NumPy调用。
下面是我为增强层编写的代码：
angle = 15
data_augmentation = ker
浏览 9提问于2021-10-05得票数 3
我试图在这个中使用相同的代码，但是在代码的中间出现了一个错误。
AttributeError Traceback (most recent call last)
<ipython-input-34-9ff70788070d> in <module>()
----> 1 model = Sequential()
2 model.add(LSTM(units=50, return_sequences=True,input_shape=(x_train.shape[1],1)))
3
浏览 4提问于2020-04-09得票数 2
在tensorflow 1中，有一个层tf.compat.v1.keras.layers.CuDNNLSTM是为使用cuDNN而构建的，而在tensorflow 2中，这个层被废弃为支持使用
1. `activation` == `tanh`
2. `recurrent_activation` == `sigmoid`
3. `recurrent_dropout` == 0
4. `unroll` is `False`
5. `use_bias` is `True`
6. Inputs are not masked or strictly right padded.
用
浏览 8提问于2020-07-10得票数 2
回答已采纳
1回答
对两个模型的输出做矩阵乘积
、、、、
我正在用CNN开发一个分类模型，现在我想在我的问题()中应用分类算法。
具体来说，现在我想做两个CNN模型的两个输出矩阵的外积，并且完成了矩阵的转置，现在我只想在keras中乘两个矩阵，其大小分别是(None，512，49)和(None，49,512)。
我尝试在keras中使用合并层，但出现了一些错误：
当我使用点模式时，
ValueError:使用点模式的维度不兼容: 49 != 512。图层形状：(无，512，49)，(无，49,512)
当我使用乘模式时，
ValueError:只有相同输出形状的层可以使用mul模式合并。图层形状：(无，512，49)，(无，49,512)
浏览 1提问于2017-09-14得票数 0
回答已采纳
当我试图构建这个文件时，出现了这个错误。有人知道怎么修吗？非常感谢。对不起我的英语不好。
代码：
import numpy as np
import pickle
import cv2, os
from glob import glob
from keras import optimizers
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import Flatten
from keras.layers.c
浏览 3提问于2022-02-24得票数 0
我有以下代码来创建LSTM网络使用Keras与TensorFlow后端。这段代码运行良好。 import numpy as np
import pandas as pd
from sklearn import model_selection
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
from keras.utils import np_utils
flights = {
浏览 7提问于2019-01-23得票数 1
回答已采纳
与顺序API
如果我用Keras的顺序API创建一个LSTM，下面的代码如下所示：
from keras.models import Sequential
from keras.layers import LSTM
model = Sequential()
model.add(LSTM(2, input_dim=3))
然后
model.summary()
返回48参数，如中所示，该参数没有问题。
快速详细信息：
input_dim = 3, output_dim = 2
n_params = 4 * output_dim * (output_dim + input_dim + 1
浏览 2提问于2018-10-11得票数 2
回答已采纳
我正在Keras中训练一个LSTM下一个字符/单词预测器，并希望将它包含在一个iOS项目中。当我将它转换为CoreML时，输出形状和值与我原来的Keras模型不匹配。
总结我的问题：
为什么转换后的模型与原始模型有不同的输出形状，如何确保它们匹配？
为什么我要从转换的模型中得到不同的预测值？
我培训的模型有以下布局：
model = Sequential()
model.add(LSTM(128, input_shape=(SEQUENCE_LENGTH, len(chars))))
model.add(Dense(len(chars), activation = 's
浏览 1提问于2019-04-09得票数 0
回答已采纳
4回答
我正在使用Python3.6和Tensorflow 2.0，并有一些Keras代码：
import keras
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(1))
model.compile(optimizer='adam',loss='mean_squared_error',metrics=['accuracy'])
当我运行这段代码时，我得到了以下错误：
Keras需要Tens
浏览 9提问于2020-07-02得票数 9
回答已采纳
我有一些数据集有两个类。当我尝试使用某些度量标准时--例如，、、、或-I--得到一个类似于以下内容的错误：
ValueError: Shapes (None, None, None, 2) and (None, 1) are incompatible.
我想我可以使用并为PR和ROC写我自己的AUC。但说真的我只上了两节课。AFAIK，两个类等于一个类。
如何将我的my记录折叠成一个类？
要完整地完成，以下是重新创建此错误的完整工作示例，从导入、全局和争论开始：
from tempfile import mkdtemp
from os import path, mkdir
from shut
浏览 5提问于2020-12-22得票数 0
我试图使用简单的flow_from_directory()来训练顺序模型，但是我得到了这个错误，我尝试使用较小的层，但是错误不会消失。
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Dense, Flatten
train_directory = 'D:\D_data\Rock_Paper_Scissors\Train'
training_datgagen = ImageDataGen
浏览 0提问于2020-05-02得票数 0
回答已采纳
1回答
R-角的不相容形状
、、、、
我尝试使用R进行音频分类，但我遇到了网络形状错误不兼容的问题。我创建了这两个函数，以便读取所有的wave文件并使用mel特性将它们转换成一个矩阵
audio = readWave(paste(outDir, '/', labels$filename[i], sep = ('') ))
audio = normalize(audio)
audio = crop(audio) #in order to have all signals of same size
return(melfcc(audio, sr = audio@samp.rate))
}
浏览 3提问于2022-02-10得票数 0
我正在用训练数据训练一个分类网络，它的X.shape = (1119，7)和Y.shape = (1119，6)。下面是我的简单Keras网络，输出dim为6(标签的大小)。返回的错误在代码下面 hidden_size = 128
model = Sequential()
model.add(Embedding(7, hidden_size))
#model.add(LSTM(128, input_shape=(1,7)))
model.add(LSTM(hidden_size, return_sequences=True))
model.add(LSTM(hidden_size, retu
浏览 17提问于2019-03-13得票数 0
我在Windows 10、Python3.5、Keras2.0.6中训练并保存了一个Keras模型。
在Windows中，我可以加载模型并重用它。但是，当我尝试在Linux (Ubuntu) Keras 2.0.5中加载模型时，我得到了以下错误：
ValueError:优化器的重量形状(90，)不兼容提供的重量形状(31，90)
我尝试过卸载Keras并使用Pip重新安装，然后对Conda执行同样的操作。这是Windows和Linux的兼容性问题，还是其他问题？
非常感谢
训练和保存模型的代码：
from keras.models import Sequential
from kera
浏览 3提问于2017-08-10得票数 2
回答已采纳
我正在研究mnist分类代码。这样的错误继续出现在下面的代码中。 model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=10, input_dim=784, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer=tf.optimizers.Adam(learning_rate=0.001), metrics=['accuracy'])
model.summar
浏览 23提问于2021-10-30得票数 2
1回答
model = tf.keras.Sequential([tf.keras.layers.Embedding(tokenizer.vocab_size, 64),tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64,return_sequences=True))
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.
浏览 6提问于2020-08-16得票数 0
我试图添加层的顺序模型，以训练它与fashion_mnist数据。但是，我多次收到此错误。
#import statements
将tensorflow作为tf导入
从tensorflow进口角
导入matplotlib.pyplot作为可编程逻辑器件
从tensorflow.keras导入模型
#Creating a sequential model
model=models.Sequential([tf.keras.layers.Flatten(),tf.keras.layers.Dense(128,activation=tf.nn.relu),tf.keras.layers.Dense
浏览 3提问于2019-05-11得票数 3
1回答
我已经在互联网上搜索了几天，试图找到一个解决这个错误的方法，但我找不到的任何东西都是特别适用的：
ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)
下面是生成错误的代码(数据预处理除外)：
model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'),
keras.laye
浏览 3提问于2018-12-08得票数 0
回答已采纳
我在下面的Keras模型中得到了一个错误(Shapes (None, 2) and (None, 10)) are incompatible：
from keras.layers import Dense, Activation
model=Sequential()
model.add(Dense(1000, input_dim=25088,
activation='relu',kernel_initializer='uniform'))
keras.layers.core.Dropout(0.3, noise_shape=None, seed=None)
m
浏览 2提问于2022-10-08得票数 -1
我试图建立一个深入的学习模型，但我得到一个错误使用tensorflow，我没有解决这个问题。
我正在尝试构建一个深入学习模型，但是在定义模型时，我得到了这个错误。
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.models import Sequential, load_model, Model
from tensorflow.keras.utils
浏览 0提问于2019-08-07得票数 3
回答已采纳
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我正在尝试将一个非常简单的CoreML模型转换为CoreML，然而，keras模型的输入似乎与我的预期不符。 我正在创建的模型的输入形状为(5，10) (5个时间步，10个特征)，但是，在转换模型并在Xcode中打开模型后，它显示输入类型为MultiArray (Double 10)，据我所知，这是一个一维数组。我的问题是，我做错了什么？有没有办法告诉CoreML输入是5x10？ 下面是我正在创建的keras模型 from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import
浏览 9提问于2020-01-11得票数 1
总的来说，我对TF、Keras和ML非常陌生。我正在尝试实现一个非常简单的MLP，其输入形状为(batch_size,3,2)，输出形状为(batch_size,3)，也就是说(如果我做对了)：对于每一个3x2特性，都有一个对应的3值数组标签。
下面是我创建模型的方法：
model = tf.keras.Sequential([
tf.keras.layers.Dense(50,tf.keras.activations.relu,input_shape=((3,2)),
tf.keras.layers.Dense(3)
])
这些是X和y的形状：
X_train.shape,y
浏览 4提问于2021-06-08得票数 0
回答已采纳
我正在训练一个模型，在预先建立的imagenetV2模型之上分类狗品种。
这是我的密码。
import os
import tensorflow as tf
\_URL = 'http://vision.stanford.edu/aditya86/ImageNetDogs/images.tar'
path_to_zip = tf.keras.utils.get_file('images.tar', origin=\_URL, extract=True)
BATCH_SIZE = 32
IMG_SIZE = (224, 224)
dir = os.path.j
浏览 28提问于2022-11-11得票数 0
1回答
我试图通过显式地应用梯度来限制我的模型的权重；而淋浴，这是不起作用的，我不知道为什么。
我用以下函数定义模型：
def init_model(num_hidden_layers=2, num_neurons_per_layer=64):
model = tf.keras.Sequential()
model.add(tf.keras.Input(shape=(2,)) )
for _ in range(num_hidden_layers):
model.add(tf.keras.layers.Dense(num_neurons_per_layer,
浏览 8提问于2022-08-01得票数 0
1回答
对形状不相容的张量的重新调用
、、、、
我试图在这里通过下面的代码创建一个CNN +回归模型：
# Create the base model from the pre-trained model MobileNet V2
cnn_model = keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
include_top=False,
weights='imagenet')
# The
浏览 1提问于2020-01-16得票数 3
回答已采纳
1回答
我在keras上使用LSTM，并使用之前的重整型层，希望我不必为LSTM层指定形状。 输入是84600 x 6 两个月内84600秒。6公制/标签im在2个月内进行测量 到目前为止，我已经 model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Reshape((86400,1,6), input_shape=(84600, 6)))
model.add(tf.keras.layers.LSTM(128, activation='relu', input_shape=
(x_train.shape),
浏览 39提问于2019-02-17得票数 1
“我想通过keras.model解决一个分类问题，但是在运行model.fit之后，我遇到了一个维度错误。我运行了以下代码：”
print(X_train.shape)
print(y_train.shape)
“产出：”
(2588, 39436)
(2588, 6)
model = keras.Sequential(
[
keras.Input(shape=(39436,1)),
layers.Conv1D(32, kernel_size=3, strides=5, activation="relu"),
layer
浏览 4提问于2020-09-03得票数 0
回答已采纳
1回答
我是TensorFlow的新手，目前使用的是来自Keras的fasion_mnist数据集。当试图让模型适合我的数据时，它抛出了一个值错误，错误如下：ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [32, 28, 28] 我感到困惑的原因是因为图像是28x28和黑白的。我的训练集中有6000个图像。32是从哪里来的，为什么我的形状不对？ 我的完整代码： import tensorf
浏览 34提问于2020-07-29得票数 2
回答已采纳
我试着学习在线教程(、等)，但是当使用keras TimeseriesGenerator来拟合LSTM模型时，我无法正确地获得输入维度。
为了训练，我有一个长长的numpy数组，名为dn of shape (12499896,)。然后我定义了keras TimeseriesGenerator
from keras.preprocessing.sequence import TimeseriesGenerator
look_back = 10
gen = TimeseriesGenerator(dn, dn, length=look_back, batch_size=8)
我定义了模型：
fr
浏览 1提问于2019-08-24得票数 1
我有多标签分类的简单Keras代码，
from keras.models import Sequential
from keras.layers import Conv2D, GlobalAveragePooling2D, Dense, MaxPooling2D, Flatten
from keras.callbacks import EarlyStopping
import keras
(x_train, y_train), (x_test, y_test) = keras.datasets.fashion_mnist.load_data()
model = Sequential()
m
浏览 0提问于2019-05-07得票数 1
回答已采纳
我一直在获取与输入形状相关的错误。任何帮助都将不胜感激。谢谢!
import tensorflow as tf
(xtrain, ytrain), (xtest, ytest) = tf.keras.datasets.mnist.load_data()
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, kernel_size=3, activation='relu'),
tf.keras.layers.MaxPooling2D(pool_size=2),
tf.keras.layers.
浏览 6提问于2020-08-06得票数 21
回答已采纳
我试图用RNN进行时间序列预测，但是在'input_shape' of keras.layers.SimpleRNN中不断发生错误，
但是我解决不了，所以我想问一个问题。
首先，下面是代码。这是错误消息
ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 1)
# X_train.shape = (58118,)
# y_train.shape = (58118,)
X
浏览 0提问于2021-08-22得票数 1
回答已采纳
2回答
我正在为初学者学习Keras mnist的例子。我试图改变标签，以适应我自己的数据，其中有三个不同的文本分类。我正在使用"to_categorical“来实现这一点。在我看来，这个形状是对的，但是“适合”会出现一个错误：
train_labels = keras.utils.to_categorical(train_labels, num_classes=3)
print(train_images.shape)
print(train_labels.shape)
model = keras.Sequential([
keras.layers.Flatten(input_sh
浏览 1提问于2019-02-04得票数 1
回答已采纳
嗨，我目前正在google学习机器，现在我经历了这个错误keras.Input警告:tensorflow:请在顺序模型中添加而不是keras.Input。 keras.Input 将用于功能模型。在google中。
以下是我的导入类：
# Import classes
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Dense, Dropout
下面是我的模型定义：
# Model definition
model = Sequential()
model.add
浏览 3提问于2021-07-12得票数 1
1回答
我有这样的输入：
[
[1, 2, 3]
[4, 5, 6]
[7, 8, 9]
...]
形状的(1, num_samples, num_features)，以及如下所示的标签：
[
[0, 1]
[1, 0]
[1, 0]
...]
形状的(1, num_samples, 2)。
但是，当我尝试运行以下Keras代码时，我会得到以下错误：ValueError: Error when checking model target: expected dense_1 to have 2 dimensions, but got array with shape (1, 8038, 2)。据我所读，
浏览 3提问于2017-01-26得票数 8
回答已采纳
1回答
基于卷积网的Keras形状失配
、、、、
我以以下方式构建了我的keras模型(当然，这不是最终的生产准备模型)：
self.model = Sequential()
self.model.add(Conv2D(32, (3, 3), input_shape=(674, 514, 1), padding='same',
activation='relu'))
self.model.compile(loss='mean_squared_error', optimizer='adam', metrics=
['accuracy'])
示范摘要
浏览 0提问于2018-02-08得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
