如何将numpy.ndarray或keras metrix作为keras输入传递
在Keras中，可以将numpy.ndarray或者Keras的Matrix作为输入传递给模型。下面是一个详细的解答：
Keras是一个开源的深度学习框架，它提供了高级API，用于构建和训练深度神经网络模型。Keras提供了一种简单而直观的方式来处理输入数据，可以将numpy.ndarray或者Keras的Matrix作为输入传递给模型。
首先，numpy.ndarray是一种多维数组对象，用于存储和操作大量数据。在Keras中，我们可以使用numpy.ndarray来表示输入数据，比如图像、声音等。
Keras的Matrix是Keras中的一种数据结构，用于表示输入数据的矩阵形式。它基于numpy.ndarray，并提供了一些额外的功能和方法。
要将numpy.ndarray或者Keras的Matrix作为输入传递给Keras模型，可以按照以下步骤进行操作：
- 导入所需的库和模块，包括Keras和numpy。
- 加载和预处理数据，将数据转换为numpy.ndarray或者Keras的Matrix的格式。
- 构建Keras模型，定义模型的结构和参数。
- 使用模型的compile方法来配置模型的损失函数、优化器和评估指标。
- 使用模型的fit方法来训练模型，传递输入数据和标签数据。
- 使用模型的evaluate方法来评估模型的性能，传递输入数据和标签数据。
- 使用模型的predict方法来进行预测，传递输入数据。
在Keras中，有一些特定的函数和方法可以帮助我们处理numpy.ndarray或者Keras的Matrix的输入，如to_numpy_array、to_matrix等。
关于如何使用numpy.ndarray或者Keras的Matrix作为Keras输入的更详细的信息，你可以参考腾讯云的相关文档和示例代码。以下是腾讯云产品相关链接：
相关·内容
1回答
我对numpy数组进行了如下形状的培训和测试
TrainX = (1234, 50, 50) Type: <class 'numpy.ndarray'> # 1234 arrays of 50 by 50 floats
TrainY = (1234, 2) Type: <class 'numpy.ndarray'>
# TrainY was one column of binary class 0 or 1. Converted it through to_categorical()
TestX = (123, 50, 50) Type
浏览 5提问于2022-06-27得票数 0
回答已采纳
2回答
字向量作为输入
、、、、
我有一个语料库，我想用LSTM和word嵌入来进行情感分析。我已经使用Word2Vec将文档中的单词转换为单词向量。我的问题是如何将这些字向量输入到Keras？我不想使用Keras提供的嵌入。
浏览 0提问于2016-09-07得票数 1
回答已采纳
我得到了TypeError:期望值float32，但在拟合顺序模型时得到了'str'.错误类型的auto。我检查了我的输入，它们都是numpy.ndarray。
type(xtrain),type(ytrain)
(numpy.ndarray, numpy.ndarray)
model = tf.keras.Sequential()
model.add(tf.keras.layers.Flatten(input_shape = (28,28)))
model.add(tf.keras.layers.Dense(32,activation='relu'))
m
浏览 2提问于2021-11-28得票数 1
我试图对一些数据进行LSTM网络培训，不幸的是，我经常遇到以下错误：
InvalidArgumentError: indices[] = is not in [0, 4704)
Train on 180596 samples, validate on 45149 samples
Epoch 1/1
---------------------------------------------------------------------------
InvalidArgumentError Traceback (most recent call last
浏览 0提问于2018-07-07得票数 12
回答已采纳
2回答
我非常想设置这个简单的Keras模型的输入形状:( X和Y都是numpy.narray，但我不知道它有什么问题！)我尝试了不同的X形状，但错误在那里！数据集的信息(维数、样本数等)在代码中可用。.pkl文件是从预先训练过的模型的隐藏状态中得到的.
import pandas as pd
from sklearn.preprocessing import LabelEncoder
from keras.utils import np_utils
from keras import Input, Model
from keras.layers import Dense
import numpy a
浏览 4提问于2021-02-01得票数 0
回答已采纳
我有一个Keras模型，它有3个输入和2个输出，如下所示
_________
a --| |--- x
b --| Model |--- y
c --|_________|
是否有方法编译模型并计算特定输入和输出(例如输入'a‘和输出’x‘)之间的结构相似性(SSIM)？
model = keras.Model([a, b, c], [x, y])
model.compile(optimizer='adam'
, loss = 'mse'
, metric
浏览 5提问于2022-04-16得票数 0
1回答
假设我有一个简单的NN模型，将MNIST分类如下：
model = models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10)
])
我从第二层提取输出张量，即稠密层(激活后)，如下所示：
mid_layer = model.get_layer("dense")
get_
浏览 1提问于2021-02-07得票数 0
回答已采纳
根据keras
predict_on_batch(self, x)
Returns predictions for a single batch of samples.
但是，在批处理上调用时，无论是使用一个元素还是多个元素，与标准的predict方法似乎没有任何区别。
model.predict_on_batch(np.zeros((n, d_in)))
等同于
model.predict(np.zeros((n, d_in)))
(a numpy.ndarray of shape (n, d_out)
浏览 0提问于2017-07-07得票数 27
回答已采纳
我正在使用Keras的函数式API构建一个多输入、单输出的CNN。有微笑数据输入，是一维序列和蛋白质，也是一维序列。我有以下数据类型和结构： #type(test_protein)#numpy.ndarray of <class 'numpy.ndarray'> #int32
#type(val_protein)#numpy.ndarray of <class 'numpy.ndarray'> #int32
#type(train_protein)#numpy.ndarray of <class 'numpy.ndarra
浏览 15提问于2021-06-19得票数 0
回答已采纳
1回答
所以我在这里不知所措。我训练了我的模型，一切正常；但是当我尝试使用预测方法时，我得到了以下错误：
ValueError:在检查输入时出错:期望dense_1_input具有形状(64 )，但得到带有形状(1，)的数组
我觉得很奇怪，因为我给的输入是(64，)，我甚至用cli返回了这个形状
print(type(test_x[0]))
print(test_x[0].shape)
回传
<class 'numpy.ndarray'>
(64，)
在我看来，当我使用
print(str(np.argmax(model.predict(test_x
浏览 1提问于2021-08-10得票数 0
回答已采纳
我正在使用keras.preprocessing来标记句子，我在keras.preprocessing.text.Tokenize中遇到了一个意想不到的情况。当我给它字符串时，word_index的输出是单个字符及其索引的字典，而对于list，word_index的输出是单词字典(由空格分割)。
为什么会发生这种事？
用于令牌程序输入的字符串：
from keras.preprocessing.text import Tokenizer
text = "Keras is a deep learning and neural networks API by François Choll
浏览 2提问于2020-09-08得票数 1
1回答
我一直在学习“数据科学”关于word2vec和跳过图模型的教程，但是我偶然发现了一个我无法解决的问题，尽管我对它进行了大量的搜索并尝试了多个不成功的解决方案。
它向您展示了如何构建跳过图模型体系结构的步骤，由于使用了来自keras.layers的合并层，所以似乎不推荐使用这个步骤。
我试图将他的代码(在Keras的顺序API中实现)转换为Functional，用keras.layers.Dot层替换它来解决合并层的不推荐问题。但是，我仍然停留在将两个模型(word和context)合并到最终模型中的步骤中，其架构必须如下所示：
下面是作者使用的代码：
from keras.laye
浏览 1提问于2018-10-10得票数 3
回答已采纳
在解决另一个时，我编写了这些代码行，得到了一个奇怪的输出。
我已经导入了tensorflow和以下层：
import tensorflow as tf
from keras import Sequential
from keras.layers import Embedding
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import LSTM
# create and fit the model
rnn_units = 102
浏览 1提问于2020-08-26得票数 0
我在调整现有的Keras模型以使用时遇到了困难。
现有的模型是一个一维卷积自动编码器(细节如下所示)
现有模型：
input_window = Input(shape=(window_length,1))
x = Conv1D(16, 3, activation="relu", padding="same")(input_window)
x = MaxPooling1D(2, padding="same")(x)
x = Conv1D(1, 3, activation="relu", padding="same"
浏览 0提问于2019-04-18得票数 1
下面的代码在Keras中给出了上面的错误。模型是Keras中的一个图模型。
score, acc = model.evaluate({
'input1': X_test1,
'input2': X_test2,
'output':Y_test}, batch_size=450)
但是，当我将它更改为下面的内容时，它就运行得很好。
predictions = model.predict({
'input1': X_test1,
'input2': X_test2}, batch
浏览 0提问于2016-04-11得票数 6
回答已采纳
如何将该层迁移到tf2 observations = tf.placeholder(tf.float32,[None, OBSERVATIONS_SIZE])
h = tf.layers.dense(
observations,
units=hidden_layer_size,
activation=tf.nn.relu,
kernel_initializer=tf.contrib.layers.xavier_initializer()
) 我发现现在的占位符是'Input‘，并且我对tf2使用了密集层 我尝试过： observations
浏览 24提问于2020-07-06得票数 0
回答已采纳
1回答
我试着训练一个顺序分类器，有一个输入神经元，三个输出神经元。数据位于数据帧X和Y中，但是如何将这些数据输入keras库中的fit函数？换句话说，train_x和train_y的变量类型应该是什么(例如，它是数据框架、矩阵、列表等等)？
[...]
predictor <- keras_model_sequential() %>%
layer_dense(units = 8, activation = "relu", input_shape = c(1)) %>%
layer_dense(units = 8, activation = "rel
浏览 5提问于2020-05-16得票数 1
回答已采纳
我的下面的代码在我的最新环境中抛出了一个错误，我不知道为什么：
def train(memory, total_reward):
for state, action, reward, next_state, done in memory:
if done:
target = reward
else:
target = reward + gamma * model.predict(next_state)[0].max()
y = model.predict(state)
y
浏览 0提问于2018-04-05得票数 0
我正在开发Unity 3d (2019.2.3f1)中的瞳孔检测器，它将使用网络摄像头将图像帧流式传输到Keras模型中进行推理。作为其中的一部分，我将使用商店中的OpenCVForUnity资产。我遇到的挑战是model.Predict方法的arg接受Numpy.NDarray，所以我需要将OpenCVForUnity.CoreModule.Mat对象转换为Numpy.NDarray。
有没有人能帮我解决这个问题？在无数次的搜索和阅读文档之后，我无法理解。
谢谢。
public Numpy.NDarray prediction(Mat image)
{
var model = Ker
浏览 49提问于2019-10-30得票数 0
1回答
有一个模型来处理图像，一个模型来处理数值。合并了两个模型，得到了这样的结果：
对于图像输入，我创建了一个来自dataframe +图片的图像数据生成器：
print('Importing keras...')
from keras_preprocessing.image import ImageDataGenerator
print('Defining datagens and dataflows...')
train_datagen = ImageDataGenerator(rescale = 1./255.,
浏览 13提问于2020-06-08得票数 0
2回答
LSTM网络返回多个输出
、、、
我正在学习LSTM网络，我得到的输出是出乎意料的。我创建了一个LSTM，并向它提供了两个numpy数组：
pricesoutput.shape -> (2158，2，1)
在使用模型预测输入后，我期望预测形状为(2158，1，1)，但它是(2158，2，1)。
为什么会这样呢？我怎样才能改变它来预测目标价格？
def main():
training_data=gettrainingdata()
training_set_scaled=scale(training_data)
x,y = getxy(training_set_scaled)
x,y = r
浏览 1提问于2021-06-05得票数 0
我试图提高我的负载速度在GT，Metrix和Pingdom，但我似乎不能提高我的分数。我尝试了WP最快的Cache和WP火箭，但两者都不起作用(我试着启用所有的功能)。
我在GT Metrix上的分数都是E，我的Pingdom是D。
你知道我为什么不能在我的WordPress站点上获得浏览器缓存和过期头之类的信息吗？
谢谢!
浏览 0提问于2019-02-22得票数 0
例如，我有这样的代码：
import numpy as np
import cv2 as cv
import tensorflow as tf
data = [2.78,1.78]
y = [1]
img = cv.imread("path/to/image")
data.append(img)
data_array = np.array(data)
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(128, input_shape=(3,), activation='relu'),
浏览 3提问于2021-06-28得票数 1
回答已采纳
我想将numpy数组存储到另一个numpy数组中
我正在使用np.concatenate
这是我的代码
x=np.concatenate(x,s_x)
这些是x and s_x的类型和形状
Type of s_x: <class 'numpy.ndarray'>, Shape of s_x: (173,)
Type of x: <class 'numpy.ndarray'> (0,), Shape of x: (0,)
这是显示的错误
TypeError: only integer scalar arrays can be convert
浏览 1提问于2017-11-20得票数 57
回答已采纳
我正在实现一个需要支持掩蔽的自定义tf.keras.layers.Layer。
考虑以下情况
embedded = tf.keras.layer.Embedding(input_dim=vocab_size + 1,
output_dim=n_dims,
mask_zero=True)
x = MyCustomKerasLayers(embedded)
现在根据文档
mask_zero：输入值0是否是一个特殊的“填充”值，需要屏蔽。这是有用的，当
浏览 1提问于2019-03-15得票数 6
回答已采纳
下面是tensorflow文档中的代码。()
inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
在tf.keras.Model中，发送与输入和输出张量相关的信息。
但是没有关于建模的信息(两个密集层和激活函数)
如何将建
浏览 3提问于2020-07-08得票数 0
在运行Keras LSTM模型时，我得到了上面的错误。以下是该模型的要点：
inp = Input(shape=(170,200))
out = LSTM(25, activation='relu')(inp)
main_out = Dense(4, activation='sigmoid')(out)
model = Model(inputs = [inp], outputs = [main_out])
# optimizer, model.fit etc. etc.
model.fit([img_data, ], [y_train],
浏览 0提问于2017-06-01得票数 1
1回答
关于机器学习中的纪元和图像
、、、、
我在train_images中有186张图片，在valid_images中有174张图片，当我把它传递给CNN模型时，它只训练了6张图片。我没有创建任何批处理大小。数据集名称为。
'''
print(train_images.shape)
print(type(train_images))
print(valid_images.shape)
print(type(valid_images))
print(train_targets.shape)
print(valid_targets.shape)
print(t
浏览 0提问于2020-11-01得票数 0
我对keras库和Python都是新手。我正在尝试使用pandas导入excel文件，并使用pandas的as_matrix()函数将其转换为numpy.ndarray。但看起来我的文件读错了。比如我在Excel文件中有一个90x1049的数据集。但是当我试图将它转换成numpy数组时，它将我的数据读取为89x1049。我正在使用下面的代码，它不起作用：
training_data_x = pd.read_excel("/home/workstation/ANN/new_input.xlsx")
X_train = training_data_x.as_matrix()
浏览 3提问于2016-04-02得票数 3
回答已采纳
我在mnist数据集上训练一个功能性角点模型。有一个层需要两个输入-传统输入张量和当前一批热编码标签。我想我已经建立了我的模型来接受两个输入，但是我得到：
ValueError:检查模型时出错:要传递给模型的Numpy数组列表不是模型所期望的大小。预期会看到2个数组，但却得到了下面的1个数组列表。[数组][[0.
大多数答案建议将输入转换为numpy数组，但mnist图像和标签在默认情况下是numpy数组。
batch_size = 128
num_classes = 10
epochs = 1
# Mnist part
img_rows, img_cols = 28, 28
(
浏览 1提问于2019-05-19得票数 0
回答已采纳
我正在努力弄清楚如何将一个功能模型提供给keras中的LSTM门。我有一个元组的时间序列(整数，浮点数，浮点数)。ints是不有序的，应该通过和嵌入层。然后，我希望元组(在嵌入int之后)通过LSTM层。
我开始的时候
from keras.layers import Input
from keras.layers import Embedding
from keras.layers import LSTM
import keras
inputs = [(42, 0.5, 0.6), (36, 0.4, 0.7), (50, 0.2, 0.9)] # example. The real
浏览 2提问于2017-07-06得票数 0
回答已采纳
1回答
我有以下问题：
Input: a set of 6 images
Output: a probability for each image determining whether the image is the correct one out of the 6 images
我知道如何使用keras创建CNN，但不知道如何将多张图像作为输入。如何解决这个问题呢？
浏览 19提问于2020-05-11得票数 0
1回答
我正在尝试使用最新的估值器API在tensorflow中实现类似于word2vec的模型。我遇到的问题是，当我试图评估模型时。模型本身应成为推荐系统的基础。现在，我想使用的评估指标是命中率指标，如下所示：
对于每个输入，计算k邻域。
确定预期的标签是否位于k邻域，如果是，则是成功的推荐。
现在我已经建立了这样的模型：
# Map Embeddings Ids to One Hot Tensors
ref_embedding_ids = tf.feature_column.categorical_column_with_identity(
key='Referen
浏览 0提问于2018-03-20得票数 1
我正在运行一个简单的微调使用余弦相似损失代码，并得到以下错误。你能帮我了解一下这个问题并解决吗？
Tensorflow版本: 2.0
错误：
ValueError:找不到可以处理输入的数据适配器：(包含{"class‘str’“}类型的值的类”list“)，类”numpy.ndarray“>
代码
import tensorflow as tf
import tensorflow_hub as hub
from tensorflow import keras
huburl='https://tfhub.dev/google/universal-sentence-encod
浏览 0提问于2019-12-18得票数 3
我正在尝试建立一个Keras多输入模型，既可以获取图像，也可以获取1D蛋白质序列。 1D序列的形式为： train_protein = tf.expand_dims(padded_train_protein_encode,axis=2)
print(train_protein.shape) #(5411, 1500, 1) 我有这样的图像： for file in images[:1]:
im = cv2.imread(os.path.join(folder_train_val,file))
print(type(im)) #<class 'numpy.ndarray
浏览 24提问于2021-07-14得票数 0
我是，而不是，谈论如何将输入传递给模型。
如果你做了一个模型，例如从文档：
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model实际上有一些属性(或属性)，它们没有在中列
浏览 4提问于2020-10-06得票数 2
回答已采纳
如何将torch.Tensor (在GPU上)转换为numpy.ndarray (在CPU上)？
浏览 0提问于2018-11-25得票数 12
我正在尝试使用Keras对一些文本进行预处理，并且我需要多次使用keras.preprocessing.sequence.pad_sequences()函数，但是它似乎不允许这样做。有没有办法绕过这个错误并多次使用该函数？ import numpy
from keras.preprocessing.sequence import pad_sequences
example_sequences = [[1,2,3,4],[1,5,4],[2,3]]
MAX_SEQUENCE_LENGTH = 3
pad_sequences = pad_sequences(example_sequences
浏览 22提问于2019-05-02得票数 0
问题：，我在绘制和解释来自TensorFlow模型的结果时遇到了困难。我创造了我自己的x，y，颜色的CSV，其中有一个随机散乱的点图，在颜色形成过程中有一个清晰的图案。我能够把所有的数据输入到模型中，训练神经网络，但似乎不能把它们放在一起。作为一个业余爱好者，我对此有点陌生。
本质上，我希望ML算法从100个数据点中提取模式，并在节点的测试数据集中使用它来绘制模式的近似值。
代码：
LABEL_COLUMN = "Color"
LABELS=[0,1]
def get_dataset(data_url, **kwargs):
dataset = tf.data.ex
浏览 1提问于2020-05-25得票数 1
回答已采纳
1回答
目前，我正在努力理解如何使用keras来训练我的回归网络。我不知道该如何将输入数据传递到网络。
输入数据和输出数据都存储为numpy数组的列表。
每个输入numpy数组是一个矩阵，它有(400行，x列)，每个输出numpy数组是一个矩阵，它有(x行数，13列)。
输入维度为400，输出为13。但如何将列表中的每个集合传递给培训？
# Multilayer Perceptron
model = Sequential() # Feedforward
model.add(Dense(3, input_dim=400, output_dim=13))
model.add(Activation(&
浏览 0提问于2016-11-13得票数 9
回答已采纳
我试图通过神经网络收集一组图像，但我想不出如何让大量的图像集合进入tensorflow模型，因为试图将集合转换为numpy数组会导致内存错误。
我要指出的是，我对坦索弗洛非常陌生。
import numpy as np
from skimage.io import imread_collection
from tensorflow import keras
from tensorflow.keras import layers
def gen(arr):return(i.reshape(400*600*3) for i in arr) # Only used in Attempt2.
la
浏览 3提问于2021-05-25得票数 0
回答已采纳
1回答
我遵循了一个教程，并使用Keras在MNIST数据集上创建了一个CNN。我想在我下载的一个全新的镜像上测试我的模型。我的理解是，我必须将图像转换为黑白，然后将其转换为numpy数组。从那里我应该能够将numpy数组输入到model.predict中，但是我得到了一个错误。有没有一种简单的方法可以在新的图像上测试我的模型，只需提供我的新图像到模型的路径？下面是我尝试过的代码
from PIL import Image
from numpy import asarray
img = Image.open("Eight.png") # open colour image
img =
浏览 3提问于2020-12-27得票数 0
1回答
我是Keras的新手，我被这个问题卡住了。我的输入数据集不只是一个Pandas Dataframe，而是一个列表。我尝试用Dense来实现，但我收到了这个错误：
When checking model input: the list of numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s) but instead got the following list of 546 arrays: ......
Keras是否能够接收作
浏览 1提问于2018-05-04得票数 0
1回答
我对Keras很陌生，我正试着测试一个我刚刚训练过的模型。
我正在使用Tensorflow后端和Python 3。
但是，输入的形状与Keras表示的错误形状完全不同。这是我的密码：
testnote = np.zeros((3,))
testnote[0] = 70
testnote[1] = 70
print(testnote.shape)
pred = model.predict(testnote)
print(pred)
我的一致输出是"(3，)“用于测试注释的形状，然后是对我的预测行的一个错误："ValueError:当检查输入时出错:预期的dense_1_input
浏览 0提问于2018-08-08得票数 3
回答已采纳
import numpy as np
a=np.random.randn(1, 2)
b=np.zeros((1,2))
print("Data type of A: ",type(a))
print("Data type of A: ",type(b))
输出：
Data type of A: <class 'numpy.ndarray'>
Data type of A: <class 'numpy.ndarray'>
在np.zeros()中，为了声明一个数组，我们在两个括号中给出了输入，而在np.
浏览 1提问于2017-10-08得票数 7
回答已采纳
1回答
我有一个关于使用LSTM来处理数据的问题。也就是说，如何将数据一个接一个地输入到LSTM中，而LSTM却忘记了以前的输入？
我看了一下Keras的“有状态”论点，但这只会让我更加困惑。我不确定这是否与我的目的有关。
例如。
假设我是按顺序/时间顺序从土壤传感器获取数据的。数据的第一个示例是s1。s1由多个值(如阳光、土壤温度、土壤湿度)组成。我将在几秒钟内得到另一个数据样本，s2，但我现在只有s1。因此，我将s1作为第一个时间步骤输入到LSTM中。当s2出现时，我将其作为第二个时间步骤通过LSTM进行传播。在Keras可以这样做吗？
浏览 2提问于2022-03-17得票数 1
回答已采纳
我正在尝试添加“键”来匹配Google AI平台的批量预测输出，但是我的模型输入只允许一个输入。
看起来是这样的：
input = tf.keras.layers.Input(shape=(max_len,))
x = tf.keras.layers.Embedding(max_words, embed_size, weights=[embedding_matrix], trainable=False)(input)
x = tf.keras.layers.Bidirectional(tf.keras.layers.GRU(128, return_sequences=True, dropou
浏览 10提问于2019-08-14得票数 3
回答已采纳
1回答
我在Keras训练了一个关于IRIS数据集的多类分类器.我想用来解释我的深度学习模型。我使用以下代码行，其中模型是经过训练的神经网络分类器，X1[train]是我的训练输入，X1[test]是我的测试输入：
import shap
explainer = shap.DeepExplainer(model, X1[train])
shap_values = explainer.shap_values(X1[test])
但是，我得到了这个错误(当我的softmax有一个二进制分类输出时，我会很好。)当softmax有超过一个输出时出现问题)：
ValueError: Unexpectedly f
浏览 2提问于2020-03-21得票数 2
我有一个Keras模型，它给了我错误
TypeError: Expected float32, got <tf.Tensor 'recommender_dnn_25/strided_slice_5:0' shape=(None, 1) dtype=float32> of type 'Tensor' instead.
对于我的keras模型，我发送numpy.ndarray类型的训练/验证数据。这是来自movielens数据集，其值为movie_id、user_id、zip_code、age、gender。下面是一个样本行：
x_train[0]
ar
浏览 0提问于2020-06-07得票数 0
1回答
我有一个使用Jaxb/Jersey的小tomcat servlet。post处理程序返回一个包含其他对象的对象。当结果返回到调用者时，所包含的对象是mosly null -即使它们在servlet中不是null。
-- servlet
@POST
@Consumes(MediaType.APPLICATION_XML)
@Produces(MediaType.APPLICATION_XML)
public Response postPlan( JAXBElement<String> mxml) throws IOException {
iMetrix metrix_MIS
浏览 1提问于2014-07-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
