1回答
我正在尝试用标准普尔500数据集来训练CNN和LSTM网络。这是我的列车数据集的形状：
x列形状：(6445，16) Y形：(6445，)
这是我给CNN的输入形状：
model.add(TimeDistributed(Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16)))
在代码中显示的输入形状参数中，我得到了以下错误：
ValueError: conv1d_8层的输入0与层：：预期的min_ndim=3，found ndim=2不兼容。收到的完整形状: None，16
浏览 0提问于2020-08-20得票数 2
回答已采纳
你好，我正在用Tensorflow.js创建我的第一个神经网络。
我想使用点( 0，0)，(0,1)，( 1，0)，( 1，1)和标签0，1，1，0作为神经网络的输入。我尝试了以下方法：
async function runModel() {
// Build and compile model.
const model = tf.sequential();
model.add(tf.layers.dense({units: 2, inputShape: [2]}));
model.compile({optimizer: 'sgd', loss: 'm
浏览 1提问于2021-07-04得票数 0
回答已采纳
2回答
我正在建立我的第一个神经网络与煤角和坦索弗洛。我把输入输入到一个形状数组(60000，28，28)中，但是当我试图将它输入到模型中时，我会得到一个错误，即输入形状是错误的。
我尝试了多个不同的输入形状，包括(60000，28，28) (1，28，28) (28，28) (28，28，1)，但它们似乎都没有工作。
model = kr.Sequential()
model.add(InputLayer(input_shape=(60000, 28, 28)))
model.add(Dense(units=784, activation='relu'))
model.add(De
浏览 1提问于2019-05-28得票数 0
回答已采纳
keras.layers.LSTM(150, activation='sigmoid',return_sequences=True,input_shape=(X_train.shape)),
keras.layers.Dropout(0.2),
上面是第一层(5793993，7，1)，这是输入的形状。
ValueError:在检查输入时出错:期望lstm_12_input具有形状(5793993，7)，但得到与形状(7，1)相同的数组
什么是修复这个tensorflow错误
浏览 2提问于2020-03-16得票数 0
1回答
我有这个错误: ValueError:检查输入时出错:期望dense_1_input具有形状(6，)，但得到了形状(1，)的数组，但我的keras模型的输入层是model.add(Dense(units = 5，kernel_initializer = 'uniform'，activation = 'relu'，input_dim =6 )) so (6，) dimension，input is input = np.array(HeadX，HeadY，TailX，TailY，AppleX，AppleY，float)当我尝试用此输入测试我的模型时，我遇到了错误。
浏览 9提问于2020-05-17得票数 0
我试图用我从一些图像中提取的特征来训练模型，模型训练很好，但当我尝试model.predict时，它给出了这个错误。“期望dense_input具有形状(7，)，但得到具有形状(1，)的数组”我知道输入的形状，但这个错误太奇怪了。这对我来说没有任何意义，现在我试图打印我给model.predict的输入的形状，但它没有问题。 import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation
trainX = np.a
浏览 21提问于2019-04-25得票数 2
回答已采纳
1回答
我有一个预先训练的Keras模型，我需要使用它来分类一幅512 x 512的图像，它最初是灰度格式的。Keras模型的输入应该是形状(None，512,512，1)。
。
我执行了以下代码：
model=load_model('model.h5')
img = Image.open('img.jpg')
img_array = np.array (img)
img_array = img_array/255
model.predict (img_array)
但是，我得到以下错误
检查输入时错误:期望input_1有4个维，但得到了形状为(512,512)的数
浏览 2提问于2020-08-05得票数 0
在预处理一组要输入到Tensorflow卷积神经网络的图像时，我创建了一个具有两列的Pandas数据帧。 第一个包含13200个1/255重新缩放的图像(特别是它们各自的训练/测试和类目录的文件路径)，填充到数据帧中，这样，除非出现我即将显示的错误，否则应该为传统的sklearn test_train_split做好准备。第二列包含与每个图像相关联的类标签。下面是数据帧的样子： (the dataframe) 现在，来看看这个错误。在检查单个图像的形状时，我得到了适当的(-，-，-)维度，而在检查整个X_train数据帧的形状时，我收到的输出是(10560，)。与CIFAR-10数据集一样，
浏览 17提问于2020-06-19得票数 0
我要做的是转换一个张量，这个张量是用tf.fromPixels()创建的，并将它转换成[28, 28]，然后作为输入从一个用Python训练的模型中得到一个预测。
我遇到麻烦的是模型中的第一层，它采用[28, 28]的输入形状。当我在NodeJS中使用tf.fromPixels()创建张量时，我得到了一个形状为[28, 28, 1]的张量，但是，当我将它输入到模型预测函数中时，我会从模型的第一个扁平层得到一个错误消息。
检查时出错:预期flatten_input的形状为null，28，28，但得到了形状为28，28，1的数组
在我继续之前，这是我对这部分的代码。
predictio
浏览 0提问于2018-07-26得票数 3
回答已采纳
假设我在优化风电场中风力涡轮机的数量。布局的形状是由优化器驱动的变量。如果我没有在参数中声明一个形状或val，我会得到以下错误：
ValueError: Shape of output 'U' must be specified because 'val' is not set
但是，U的形状取决于输入参数的大小，这是未知的。
是否应该构建由优化器写入形状的外部模块，并让组件读取该形状？还是有更简单的方法？谢谢!
浏览 1提问于2016-10-19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
以下是模型：
model = Sequential()
model.add(Masking(mask_value=-1, input_shape=(x_t.shape[0], x_t.shape[1])))
model.add(Dense(60, kernel_initializer='random_uniform', activation=DENSE_ACTIVATION,
input_shape=(x_t.shape[1],)))
model.add(Dropout(0.2))
model.add(Dense(120, acti
浏览 1提问于2020-01-22得票数 1
我正试图预测事先训练好的机器翻译模型
但是我得到了错误，我无法解决或找到合适的答案。
似乎每个人都得到了这个错误
代码*
model = load_model('model.h5')
single_x_test = ['how are you']
model.predict(np.array(single_x_test, ndmin=0))
ValueError:在检查输入时出错:期望embedding_1_input具有形状(4 )，但得到带有形状(1，)的数组
浏览 2提问于2020-03-03得票数 0
1回答
输入形状和Keras
、、、、
我有一组训练数据，其中每个输入都是长度为138的向量。我有519个这样的向量，批次大小为519。这些不是图像，而是实数。 我试着从2层密集的Keras模型开始： model = keras.Sequential([
layers.Dense(200, activation=tf.nn.relu, input_shape=[138]),
layers.Dense(200, activation=tf.nn.relu),
layers.Dense(1)
]) 当我构建模型时，我得到了以下错误： Error when checking input: expected den
浏览 9提问于2019-01-04得票数 0
我正试图预测事先训练好的机器翻译模型
但是我得到了错误，我无法解决或找到合适的答案。
似乎每个人都会犯这个错误
码
model = load_model('model.h5')
single_x_test = ['how are you']
model.predict(np.array(single_x_test, ndmin=0))
ValueError:在检查输入时出错:期望embedding_1_input具有形状(4，但得到了形状(1，))
浏览 0提问于2020-03-04得票数 -1
我正在Python中使用filtfilt函数，如下所示
import numpy as np
from scipy.signal import filtfilt
a = np.array([1, -lambd]).T
b = np.array([-lambd,1]).T
delayed = filtfilt(b,a,sig)
其中sig具有形状(6，)。因此，我得到以下错误：
ValueError:输入向量x的长度必须大于padlen，即6。
由scipy.signal生成。
如果sig的形状(7 )或更长，则相同的代码工作良好，而对于小于(6 )的任何形状，它返回相同的错误。有什么
浏览 10提问于2019-10-14得票数 7
我在这里尝试运行Seq2Seq示例，
from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoen
浏览 13提问于2017-12-26得票数 0
在theano中，我想建立一个函数，它可以接受几个不同的输入，比如矩阵和向量。
通常我会做这样的事情：
import theano
import numpy
x = theano.tensor.matrix(dtype=theano.config.floatX)
y = 3*x
f = theano.function([x],y)
但是，当我输入向量而不是矩阵时，例如：
f(numpy.array([1,2,3]))
然后，我得到一个维数不匹配的错误：“错误的维数:预期的2，得到1与形状(3，)。”
有没有办法在theano中定义一个更通用的输入符号，它既可以接受矩阵，也可以接受不同形状的
浏览 2提问于2015-06-26得票数 3
回答已采纳
1回答
我正在尝试将扁平层的输出与向量连接起来。但是，我收到错误消息，输入形状与预期形状不匹配(无，1，7)。我无法解释发现的形状(4,7)。有人能帮上忙吗？
我输入星期几作为热编码向量：
sample_shape_weekday = (1, 7)
inputs_weekday = layers.Input(shape=sample_shape_weekday)
在我的模型中，我将扁平层的输出与工作日向量连接在一起。
...
l4 = tf.keras.layers.Flatten()(previous_layer)
r1 = tf.keras.layers.Reshape((1, 256))(l4)
浏览 3提问于2021-10-27得票数 0
我想在我的输入管道中随机翻转几个不同大小的输入图像。翻转需要对不同的图像保持一致--要么全部翻转，要么不翻转。由于使用是不够的，所以我做了以下工作：
images = [img1, img2]
def fliplr(*args):
return [tf.image.flip_left_right(t) for t in args]
def id(*args):
return args
img1, img2 = tf.cond(tf.random_uniform([1]) > 0.5, fliplr(images), id(images), name='fliplr
浏览 2提问于2018-10-14得票数 4
回答已采纳
1回答
我使用的是keras，当我尝试model.fit时，它会抛出一个错误，因为X_Train和Y_Train输入的形状不兼容。
我拥有的数据是一个由10个输入和1个输出组成的系统。我使用数据的9次迭代作为测试，所以我有一个包含9个向量的列表，形状为10，1，所以可以理解，X_Train.shape = 9，10，1。我的输出是一个由9个值组成的列表，使得Y_Train.shape = 9,1。然而，我得到了这样的错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [9,1] v
浏览 0提问于2019-07-27得票数 0
回答已采纳
2回答
调整张量以与其他层连接
、、、、
我正在遵循下面的体系结构
现在，我需要连接其他层次。我试图将层Conv_10与Deconv_1连接起来，但在张量大小方面出现了错误。所以我需要将Conv_10层从(3,44,44)转换为(3,34,34)。我该怎么做？
这个网络的当前实现可以在这里获得：
实际错误: ValueError：Concatenate层需要具有匹配形状的输入(除了凹轴外)。得到输入形状：(无，34，34，3)，(无，44，44，3)
浏览 0提问于2020-04-13得票数 1
回答已采纳
我有两个数组"train_vol"和"train_time"具有形状(164,6790)和一个带有形状的数组"train_cap" (164，1)。我想像这样训练模特..。输入-> train_vol和train_time输出-> train_cap .验证输入->val_vol、val_time和验证输出-> val_vol，val_time的val_cap....shape (42,6790)和val_cap是(42,1) ]
我尝试使用model.fit()来训练模型，我尝试将2数组作为变量x**的输入，而1数组用于
浏览 3提问于2020-08-21得票数 0
回答已采纳
我有一个动态形状的张量器，X的形状=？，？，256，？然后我开始计算：
argmax = tf.argmax(X, axis=3) # shape [ ?, ?, 256]
然后，我想用与X相同的形状计算，其中的最大值是X，所以我试图做以下工作：
Y = tf.scatter_nd(tf.cast(argmax, tf.int32), tf.ones(tf.shape(argmax)), tf.shape(X))
但我得到了以下错误：
ValueError: output.shape=?，？？的内部-252个维度？必须匹配updates.shape=？、？、256的内部一维:形状必须是相等的
浏览 4提问于2017-10-05得票数 0
回答已采纳
我已经加载图像来训练我的模型识别这些图像中的一个特征。
(1380,200,200,3 )是一种粗壮的形状(1380,200,200,3 )，包含1380幅图像，大小为200×200像素，采用RGB格式，有目标。形状(1380,2)
当我训练我的模型(model.fit(Xtrain,Ytrain))时，我似乎得到了每个层的值错误。好像输入都是Xtrain然后是Ytrain..。
ValueError:在检查目标时出错:期望batch_normalization_24有4个维，但得到了形状为(1380, 2)的数组
图片：
浏览 4提问于2019-12-19得票数 2
回答已采纳
1回答
我正在尝试使用构建一个多输入多输出模型，并且我遵循他们的代码，但我得到了错误：
ValueError：Concatenate层需要具有匹配形状的输入，但凹轴除外。获得输入形状：(无，50)，(无，50，1)
我跳过了嵌入层，下面是代码：
def build_model(self):
main_input = Input(shape=(self.seq_len, 1), name='main_input')
print(main_input.shape)
# seq_len = 50
# A LSTM will transform the
浏览 0提问于2018-11-24得票数 0
回答已采纳
1回答
我想得到一个4D TimeDistributed(LSTM(.))在Keras中工作，但是输入/输出形状有问题。
batch_size = 1
model = Sequential()
model.add(TimeDistributed(LSTM(7, batch_input_shape=(batch_size,
look_back,dataset.shape[1], dataset.shape[2]), stateful=True,
return_sequences=True), batch_input_shape=(batch_size,
look_back,
浏览 2提问于2017-07-14得票数 1
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
下面是我使用的代码的一部分：
noise = tf.Variable(tf.zeros((299, 299, 3)))
sess.run(noise.initializer)
op1 = tf.assign(subX,x_hat-x)
op3 = tf.assign(noise[125:175, 125:175], subX)
op2 = tf.assign(x_hat,noise+x)
正如您所看到的，对于op3，我试图从subX中分配一部分变量“噪音”，这是由。但是，我得到了这个错误：
UnimplementedError:找到两个根错误。(0)未实现:l-值切片形状50,50,3不匹配
浏览 0提问于2019-07-10得票数 0
回答已采纳
我目前正在开发一个基于其他数据来预测股票收盘价的LSTM模型。这是我第一次使用RNN。我正在使用tensorflow。
当我试图预测X列车数据的价格时，问题就出现了(模型就是在这个数据上训练的)。与y训练数据相比，我得到了不同的维度。
我使用时间步长为100的7个功能来预测收盘价。
以下是我的输入数据的形状：
<code>A0</code>
在我看来，输入数据的形状是正确的。并将(100，7)的输入形状传递给模型
然后我运行：
<code>A1</code>
我得到的输出是(3697,100，1)。我期望的是(3697，1)，这是y_train的
浏览 177提问于2021-06-16得票数 0
1回答
我在Keras用Input_shape(256,256,4)训练了一个CNN模型。但是，我希望将输入大小更改为(512,512,4)，以减少测试大图像时的测试时间。
我在.json文件中手动更改输入形状，并使用
model = model_from_json(json file)
，然后使用
model=load_weights(weights file)
我发现了一个错误：
ValueError:检查时出错:期望input_9具有形状(None，512,512，4)，但得到形状为(1,256,256，4)的数组
我使用了两种不同类型的权重文件，一种是由Modelcheckpoint(
浏览 3提问于2017-09-08得票数 0
回答已采纳
1回答
我试图用Keras实现LSTM，以解决多类问题。我输入了尺寸1007x5的csv。每个实例的特性数为5个，总共有12个类。下面是代码
seed = 7
numpy.random.seed(seed)
input_file = 'input.csv'
def load_data(test_split = 0.2):
print ('Loading data...')
dataframe = pandas.read_csv(input_file, header=None)
dataset = dataframe.values
X
浏览 1提问于2018-04-08得票数 0
回答已采纳
1回答
大家好，我需要用户输入的numpy与形状(无，4,500)，那么，我有什么办法呢？
因为当我打印numpy.shape时，我得到了()
而我需要形状(4,500)和它是什么样的形状？
以及用户如何使用上面的形状输入numpy
我有这个，但是打印()
X_test = np.argmax('input')
print(X_test.shape)
这是否意味着X_test没有形状或者形状没有声明？
浏览 0提问于2020-02-25得票数 0
1回答
不知何故，我在Keras库里发现了一个非常奇怪的bug。
我的学习方法包括一个三层神经网络:输入层130,517个单元(输入大小)，隐藏层10000，输出层2个单元。
在代码期间，我运行了一个批处理学习(我使用了partial_fit函数)，但是代码反复抛出相同的错误：
{ValueError}在检查输入时出错:期望dense_1_input具有形状(130517 )，但得到具有形状(1，)的数组
我再次检查了输入维度，发现它确实和我想的一样，有130,517维。
下面是调试变量的图片，如您所见，np.array(X[0])的形状为130,517：
对于任何情况，我都附加了神
浏览 0提问于2018-08-22得票数 0
回答已采纳
1回答
我有一个包含100000个二进制三维形状数组(6，4，4)的数据集，所以我输入的形状是(10000，6，4，4)。我正在尝试使用Keras建立一个三维卷积神经网络( input_shape )；但是，我输入的这个3D卷积神经网络似乎有一个问题。我的第一层是：
model.add(Conv3D(20, kernel_size=(2, 2, 2), strides=(1, 1, 1), activation='relu', kernel_initializer='he_uniform', input_shape=(None, 6, 4, 4, 1)))
我收到的错误
浏览 1提问于2021-06-11得票数 0
回答已采纳
我想在我的29个特征输入数据上应用一维卷积(如29x1形状)。我告诉Keras input_shape=(29,1)，但是我得到了一个错误，它期望输入“有3维，但是得到了形状为(4000，29)的数组”。为什么Keras期望三维？
Keras给出了如何使用input_shape的奇怪示例：
(None，128)对于每步128个特征的可变长度序列.
我不知道可变长度序列是什么意思，但是由于我有29个特性，我也尝试了(None,29)和(1,29)，并得到了类似的错误。
我是不是误解了一维卷积的作用？
下面是我期望一个Conv1D在内核大小为3 (给定7x1输入)时所做的事情的可视化描述。
浏览 1提问于2019-05-02得票数 4
回答已采纳
我正在构建一个具有不同形状的多个输入的Keras模型。
input_img = Input(shape=(728,))
input_1 = Input(shape=(1,))
input_2 = Input(shape=(1,))
x = (Dense(48,kernel_initializer='normal',activation="relu"))(input_img)
x = (Dropout(0.2))(x)
x = (Dense(24,activation="tanh"))(x)
x = (Dropout(0.3))(x)
x =
浏览 1提问于2020-03-01得票数 1
我的网络由LSTM和密集部件组成，由另一个密集部分连接在一起的，I不能连接(1，8)，(None，32)的输入。Reshape和Flatten不起作用。
这里是架构：
def build_model_equal(dropout_rate=0.25):
curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
lstm_1 = LSTM(256, return_sequences=True, dropout=0.1)(curve_input_1)
lstm_1 = LSTM
浏览 0提问于2018-11-22得票数 1
回答已采纳
1回答
我正在做一个小实验，以了解序列模型是如何构建的。 我有一个形状为(10，10，5)的numpy数组，称之为feature_0。我创建了序列模型，如下所示： 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() 这将向我返回一个模型摘要，如下所示： Model: "sequential_16&
浏览 9提问于2020-06-24得票数 0
回答已采纳
我有一个输入数组的形状(1000,20，4)和输出(标签)的形状(1000,25,1)。但是，不知道如何使用Keras库来为此建立顺序模型！
有人能帮我设计一个简单的LSTM吗？(我试图以几种方式使用RepeatVector()和TimeDistributed(Dense())，但我得到了如下错误：
model = Sequential()
model.add(LSTM(units = un , input_shape = (20, 4), return_sequences = False))
model.add(RepeatVector(25))
model.add(LSTM(un ,
浏览 0提问于2019-03-04得票数 1
回答已采纳
在下面的链接上运行教程，当我到达下面的步骤时，我会得到下面的错误。在此之前没有错误。
D:\chhong\mxnet\dmlc-core\include\dmlc/logging.h:235: 19:01:35 d:\chhong\mxnet\src\operator./concat-inl.h:152:检查失败：(dshapej) == (tmpj)不正确的shape2：(1,320，15)。(第一个输入形状：(1,576，14))错误: d:\chhong\mxnet\src\operator./concat-inl.h:152:中的InferShape错误: 19:01:35 ch_
浏览 2提问于2016-12-14得票数 0
3回答
我试图加载一个灰度图像数据集(时尚-mnist)到MobileNet模型，以预测手写数字，但根据教程，只有RGB图像可以加载到模型。当我尝试提供时尚-mnist样本时，它会给出以下错误：
检查输入时出错:期望keras_layer_13_input具有形状(224,224，3)，但得到形状为(224,224，1)的数组
如何解决这个问题？
浏览 0提问于2019-08-05得票数 4
回答已采纳
我得到了一个由4个灰度图像组成的图像堆栈，我想把它传递给一个带有tensorflow的神经网络。
在阅读了我的4张灰度图像并将它们转换成张量后，当我把它传递给神经网络时，它们的形状是(4,120,160)，我得到了一个错误消息。在googling之后，我发现我需要输入形状(4,120,160,1)，其中1代表颜色通道。
无论如何，我没有发现用这种方式改变张量的形状。它似乎适用于展开dims函数，但对我来说，理解它所做的事情有点神秘。
浏览 1提问于2020-12-15得票数 0
回答已采纳
2回答
当输入形状不是三维时，抛出错误
、、、、
我的程序接受一个CSV文件，其中前6行是输入。
在定义我使用的输入时：
inputs = Input(shape=(2697, 6))
其中2697是批处理大小，6是输入大小。我知道Input(shape=(batch-size, input-size))是对的。
然而，当我运行它时，我会收到一条消息：ValueError: Error当我检查输入时:预期的input_1有3维，但是得到了形状为(2697，6)的数组。
为什么角角会把它变成三维形状呢？
浏览 3提问于2017-12-23得票数 1
我有以下(部分)网络架构：
获得的
...
pool = GlobalAvgPool()(gc_2)
predictions = Dense(units=32, activation='relu', use_bias=False)(pool)
predictions = BatchNormalization()(predictions)
...
我正在尝试插入一个批处理规范化层，但是我得到了以下错误：
ValueError:层batch_normalization_1的输入0与图层不兼容:预期的ndim=2，找到了ndim=3。收到的完整形状:无，1，32
我猜第
浏览 1提问于2020-12-03得票数 0
我正在尝试用tensorflow后端在keras中训练一个预先训练过的inceptionv3模型。
我有一个训练数据集，大小为10,000张图片(299,299张)(它们是灰度)。我将其转换为tensorflow的输入形状为(10000,299,299,1)。当我试图拟合inceptionv3模型时，我得到了一个错误
ValueError:检查输入时出错:期望input_1具有形状(无，3)，但得到了形状数组(10000,2999,299，1)
我尝试更改张量的输入形状，使用
input_tensor = Input(shape=(299,299,1))
base_model = In
浏览 1提问于2017-06-30得票数 1
回答已采纳
我有这样的输入
x=[[0,0,0,0,1,0,0,0]....[n,n,n,n,n,n,n,n]] x.shape=(18998,8)
像这样的输出
y= 11 11 11 11 ... 10 y.shape=(18998,)
我建立了这样的模型
env_model = Sequential()
env_model.add(Dense(8, activation='relu', input_dim=8))
env_model.add(Dense(128, activation='relu'))
env_model.add(Dense(256, activati
浏览 0提问于2019-03-11得票数 0
回答已采纳
1回答
我在试着辨认图像的顺序。我有两个图像，我需要识别第三个。都是彩色图像。
我得到了以下错误：
ValueError:检查输入时出错:期望time_distributed_1_input有5个维度，但得到了形状为(32,128,128，6)的数组
这是我的图层：
batch_size = 32
height = 128
width = 128
model = Sequential()
model.add(TimeDistributed(Conv2D(32, (3, 3), activation = 'relu'), input_shape=(batch_size, heig
浏览 0提问于2019-05-24得票数 0
我的输入图像的形状是(4,128,128,128)，其中data_format是channels_first。在我的网络中，我使用的是Convolution3DFlipout层，它具有默认的data_format='channels_last'。当我将data_format更改为：
layer = tfp.layers.Convolution3DFlipout(data_format='channels_first')(input_layer)
并提供输入形状如下：
from tensorflow.keras.layers import Input
def m
浏览 0提问于2021-07-23得票数 0
我试图运行一个简单的网络来对MNIST进行分类：
network = models.Sequential()
network.add(layers.Dense(512, activation = 'relu', input_shape=(28 * 28,)))
network.add(layers.Dense(10, activation='softmax'))
当我试着适应：
network.fit(train_images, train_labels, epochs =5, batch_size = 128)
我知道这个错误：
检查输入时出错:期望dens
浏览 0提问于2019-08-31得票数 1
回答已采纳
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
