检查目标时出错:要求dense_192具有3维，但得到形状为(37118，1)的数组
这个错误提示表明在检查目标时出现了问题。具体来说，要求名为dense_192的变量具有3维，但实际得到的数组形状为(37118, 1)。
为了解决这个问题，我们需要对dense_192进行调整，使其具有3维。下面是一些可能的解决方法：
- 确保输入数据的维度正确：检查输入数据的维度是否与模型要求的一致。如果输入数据是一个二维数组，可以尝试使用reshape函数将其转换为三维数组。
- 检查模型结构：检查模型的结构，特别是与dense_192相关的层。确保该层的输入和输出维度设置正确。
- 检查数据预处理过程：如果在数据预处理过程中对数据进行了一些操作，例如降维或转换，可能会导致维度不匹配的问题。请检查数据预处理的代码，确保没有错误。
- 检查模型训练过程：如果是在训练模型时出现了这个错误，可能是由于模型训练过程中的某些参数设置不正确导致的。请检查模型训练的代码，确保参数设置正确。
总结起来，解决这个问题的关键是确保dense_192具有3维。具体的解决方法需要根据具体情况进行调整。如果需要进一步了解相关概念和技术，可以参考腾讯云的相关产品和文档：
- 腾讯云产品推荐：腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/tc-aiml）
- 腾讯云产品介绍：腾讯云机器学习平台（https://cloud.tencent.com/product/tc-aiml）
相关·内容
亲爱的各位:我是深度学习的新手。我试图添加一个for循环来测试所有可能的组合，以获得最佳结果。目前我所拥有的是以下内容。y_train, epochs=epochs, batch_size=72, validation_data=(x_test, y_test), verbose=2, shuffle=False) 然而，一个得到的回溯如下所示ValueError: Error when checking target: expected dense_192 to have 3 dime
浏览 18提问于2020-12-29得票数 0
回答已采纳
当我尝试在Keras和Tensorflow后端训练我的模型时，我遇到了一个问题。evaluate the keras modelprint('Accuracy: %.2f' % (accuracy*100)) 特征形状：(5000,400)标签形状(5000，) 我在调用model.fit()的那一行得到了错误。我试图修复这个错误:我尝试使用以下代码重塑X和y数值数组: X.resha
浏览 16提问于2020-01-03得票数 0
1回答
代码中的每个层都显示它期望数组形状，但接收到的数组尺寸与输入数组尺寸相同。#model.add(Dense(output_dim= 4096,ac
浏览 0提问于2019-04-07得票数 0
回答已采纳
(dp)) ValueError:在检查目标时出错:期望dropout_192具有形状(24，24)，但得到与形状(24，3)相同的数组model：
ValueError:在检查目标时出错:期望repeat_vector_55
浏览 0提问于2019-07-06得票数 1
回答已采纳
batch_size=100,#no obs per batch获取如下所示的错误，并且找不到此错误的原因
2020-02-03 22:59:08.496324: W tensorflow/stream_executor/platform/default/dso_loader.cc:when checking target: expected dense_3 to have sh
浏览 9提问于2020-02-04得票数 1
错误报告告诉我有没有人能给我解释一下为什么这个行不通？
浏览 4提问于2018-08-03得票数 0
回答已采纳
我的数据形状(23931，7)。我选择了两列作为我的模型标题“火车”和标题“标签”。我遵循了两个教程，这里是，。ValueError: Error when checking target: expected dense_1 to have shape (1,) but got array
浏览 0提问于2019-07-10得票数 0
当我尝试在Keras 2.0.8，Python 3.6.1和Tensorflow后端训练我的模型时，我遇到了一个问题。错误消息:检查目标时出错:期望dense_2具有形状(9，)，但得到具有形状(30，)的数组。我还提供了输入的形状。
浏览 15提问于2020-01-11得票数 1
回答已采纳
我正在尝试建立一个一维CNN模型，在尝试了很多方法之后，似乎无法解决数据形状问题。下面是我的代码：x_scaled = scaler.fit_transform(data)
# data.shape = (16611, 6001
浏览 6提问于2020-05-17得票数 0
model.evaluate(test_images, test_labels, verbose=0)但我得到了这个错误when checking target: expected dense_1 to have shape (13,) but got array with shape (40,)和我搜索了一些解决方案，但都没有效果
浏览 0提问于2018-05-23得票数 0
我对keras连接有一些维度上的问题。模型的输出数组(None，851)似乎与错误消息中要求的尺寸不同。下面是我得到的结果： input_img = Input(shape=(32, 100, 1))
char = Model(input=input_img, output=output) Here is the su
浏览 10提问于2019-03-12得票数 1
1回答
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])错误:检查目标时出错:要求activation_4具有形状(None，1)，但得到形状为(1715，2)的数
浏览 14提问于2017-07-05得票数 2
回答已采纳
但是当我运行代码时，弹出了这个错误：我曾尝试更改lstm层中的input_shape=(10000,1)，但随后出现此错误：
ValueError: Error
浏览 0提问于2019-07-09得票数 0
我试着访问所有的论坛，寻找解决这个问题的答案。在train_set和test_Set中有5个类。validation_data = test_set,在这里，我附上了错误的图像以供查看
浏览 4提问于2018-07-21得票数 1
回答已采纳
我试过用dense_2写一些例子，但在检查目标时出现了一些错误:期望keras具有形状(2，)的数组，但得到形状(1，)的数组。
浏览 13提问于2019-03-26得票数 0
我正在尝试用Keras训练我的模型，我正在udemy上这个在线课程。现在一切正常，但当我尝试将ANN匹配到训练集时，它给出了以下错误。一切正常，但是当我执行最后一行时，它给出了错误。
浏览 0提问于2019-09-15得票数 0
我将从我的目标开始： 我想用一系列图像(视频)来训练以下模型，准确地说是10。 我的逻辑:为了做到这一点，我创建了一个视频数据库，并将每个视频中的10帧提取到一个np.array对象中。每个帧的大小为(255,255)和灰度。总结:输入形状为(255,255,1)。我已经调试了代码，并验证了以下内容： train_dataset_new = (75,10,255,255,1) # (75为我拥有的列车视频数量) validation_
浏览 10提问于2020-12-04得票数 0
我有这个错误，从我看到的类似问题的答案来看，它是由于没有指定最后一层有30个神经元，因为你想要的输出是一个大小为30的数组。但这不是我的情况，我已经指定了这个，所以我发现如果神经元的数量和输出形状完全匹配，就会出现这个错误，这是非常奇怪的。下面是可能导致此错误的代码部分(images_gray是由形状为(2000,128,128)的</e
浏览 10提问于2020-10-18得票数 0
回答已采纳
这是我的cnn模型的代码，我在这里使用flow_from_directory()，我不知道这个错误的解决方案。 如果解决方案是，我必须使用One-将标签转换为一组50个数字，以输入到神经网络中。你能解释一下如何在我的代码中使用它吗？epochs=10,validation_data=testing_set,
validation_steps=50) 这是我的错误报告
浏览 18提问于2019-11-23得票数 0
回答已采纳
with TensorBoard])我得到了这个错误idk当检查目标时，我遇到了一个新的ML错误:期望activation_final具有形状(60，)，但得到了形状为(4，)的数组
浏览 14提问于2020-05-13得票数 1
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
腾讯会议活动推荐
腾讯云开发者
