检查输入时出错:要求lstm_input具有3维，但得到形状为(4，1)的数组
检查输入时出错:要求lstm_input具有3维，但得到形状为(4,1)的数组。
这个错误提示表明在进行某个操作时，要求输入的lstm_input应该是一个3维数组，但实际得到的数组形状是(4,1)。下面我将对这个错误进行解释和解决方案。
LSTM（Long Short-Term Memory）是一种常用的循环神经网络（RNN）模型，用于处理序列数据。在使用LSTM模型时，输入数据通常需要满足一定的维度要求。
对于LSTM模型，输入数据的维度通常为(batch_size, time_steps, features)，其中：
- batch_size表示每个训练批次中的样本数量；
- time_steps表示每个样本的时间步数，即序列的长度；
- features表示每个时间步的特征数。
根据错误提示，lstm_input的形状为(4,1)，说明batch_size为4，time_steps为1，features为1。然而，LSTM模型要求输入的维度应该是3维的，即至少需要两个时间步。
解决这个问题的方法有两种：
- 调整输入数据的形状：根据具体情况，可以考虑增加时间步数或特征数，使得lstm_input的形状变为(4, n, m)，其中n表示时间步数，m表示特征数。可以通过重塑数组的形状或者增加维度来实现。
- 检查数据预处理过程：在输入数据进入LSTM模型之前，可能需要对数据进行预处理。确保预处理过程中没有出错，并且满足LSTM模型的输入要求。
总结起来，解决这个错误的关键是理解LSTM模型对输入数据的要求，并根据具体情况调整数据的形状或检查数据预处理过程。具体的解决方案需要根据实际情况进行调整。
腾讯云提供了一系列云计算相关的产品和服务，包括云服务器、云数据库、云存储等。您可以访问腾讯云官方网站（https://cloud.tencent.com/）了解更多关于腾讯云的产品和服务信息。
相关·内容
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
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
假设我有一个3D数组A(1:3,1:4,1:5)，我只想处理其中的一部分，例如：
real :: A(1:3,1:4,1:5), B(1:5,1:2)
real, allocatable :: C(:,:)
allocate(C(size(A,1),size(B,2)))
C = matmul(A(1:3,1,1:5),B)
Fortran似乎可以接受这一点。然而，如果我需要处理转置，那么Fortran中的transpose函数就会变得混乱，例如：
real :: A(1:3,1:4,1:5), B(1:3,1:2)
real, allocatable :: C(:,:)
allocate
浏览 4提问于2011-12-16得票数 2
回答已采纳
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
1回答
我用Keras的内置inception_resnet_v2训练CNN来识别图像.在训练模型时，我有一个数字数组作为输入，输入形状为(1000,299,299，3)，
model.fit(x=X, y=Y, batch_size=16, ...) # Output shape `Y` is (1000, 6), for 6 classes
一开始，当我试图预测时，我通过了一个形状的图像(299,299，3)，但是得到了误差。
ValueError:检查输入时出错:期望input_1有4个维，但得到了形状为(299,299，3)的数组
我重塑了我的投入：
x = np.reshape(x
浏览 1提问于2019-03-17得票数 2
回答已采纳
1回答
完成从RNN到RNN。
我在网上偶然发现了这个代码：
def buildModel(dataLength, labelLength):
height = Input(shape=(dataLength, 1), name="height")
weight = Input(shape=(dataLength, 1), name="weight")
heightLayers = LSTM(64, return_sequences=False)(height)
weightLayers = LSTM(64, return_seque
浏览 2提问于2017-11-07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
我有一个x_test数据： x_test.shape
Out[11]: (13096, 30)
x_test.size
Out[16]: 392880 当我启动预测时，它返回一个错误： ValueError:检查输入时出错:要求lstm_1_input具有3维，但得到形状为(13096，30)的数组 我的代码非常简单，我正在尝试运行预测函数： test_df= pd.read_csv("Path_data")
model = load_model.("path_model")
Xnew = np.array(test_df)
# make a predic
浏览 25提问于2020-06-24得票数 0
1回答
我正在将图像预处理成一个Numpy数组形状(28,28，3)。当我尝试拟合我的数据时，我得到了错误。如果我传递整个准备好的数据帧，我会得到错误ValueError: error when checking input:期望conv2d_20_input有4维，但得到形状为(360，1)的数组
当我传递单个值时，我得到的错误是:检查输入时出错:预期conv2d_16_input具有4维，但得到形状为(28，28，3)的数组
我试过重新处理数据。我已经尝试了单独的模型和1:1的训练，但仍然不起作用。
要预处理的代码
from tensorflow.python.keras.preprocessin
浏览 1提问于2019-03-24得票数 0
我有一个令人难以置信的简单算法，用"ValueError:当检查输入时出错:期望dense_4_input具有形状(无，5)但得到了与形状(5，1)的数组“.这是我正在运行的代码。
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
x = np.array([[1],[2],[3],[4],[5]])
y = np.array([[1],[2],[3],[4],[5]])
x_val = np.arr
浏览 1提问于2017-10-21得票数 0
回答已采纳
1回答
熊猫/野熊中的媒介与射线
、、、
我知道，对于一个4D向量，形状应该是(4，1)，它实际上是在4D空间中表示的，而ndim是2，对于某些ndarray来说，它的形状应该是(2，3，4，5)。
那么，向量和矩阵(或数组)之间的维概念不同吗？我正试图从数学的角度来理解它是如何衍生于熊猫编程的。
浏览 2提问于2020-06-10得票数 1
回答已采纳
最近，由于numpy数组的形状(x，)，我遇到了几个bugs -下面的代码片段可以很容易地修复这些错误
a = np.array([1,2,3,4]) #this form produced a bug
a.shape
>>> (4,)
a.shape = [4,1] #but this change fixed it
但这确实让我好奇，为什么(x，)是一维数组的默认形状？
浏览 4提问于2017-04-03得票数 5
回答已采纳
如何修复输入数组以满足输入形状？
正如描述的那样，我试图转换输入数组，但是错误是相同的。
ValueError:检查输入时出错:期望dense_input具有形状(21 )，但得到与形状(1，)相同的数组
import tensorflow as tf
import numpy as np
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(40, input_shape=(21,), activation=tf.nn.relu),
tf.keras.layers.Dropout(0.2),
tf.keras.la
浏览 0提问于2018-09-06得票数 7
回答已采纳
1回答
我有一个我已经展平的图像列表(50*45->2250)。我想用这个作为自动编码器的输入。当我‘拟合’自动编码器时，我得到以下错误： “检查输入时出错:要求input_4具有形状(2250，)，但得到具有形状(1，)的数组” 为什么输入形状(1，)？ train_images2 =[]
for im in train_images:
im = transform.resize(im,(50,45),mode='constant',anti_aliasing=True)
im = im[:,:,0]
im = im/255.0
im = i
浏览 17提问于2020-11-29得票数 0
1回答
多元时间序列二元分类的输入格式
、、、、
我试图使用LSTM模型对多变量时间序列数据进行二进制分类。我在一天中收集了7个属性，大约100天(即大小为9000，7的100个数组)。这些数组的单个分类状态为1或0。
我一开始尝试构建最简单的模型，因为我对Keras和机器学习( Machine )还不熟悉，但是当我尝试训练它们时，我总是会在输入形状方面出现错误。例如，我的第一层：
model = Sequential()
model.add(Conv2D(32, (3,3), input_shape=(9000,7,1), activation='relu'))
...
model.fit(x=X_train, y=Y_tr
浏览 0提问于2018-05-17得票数 1
回答已采纳
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
x_train.shape #Shape is (60000, 28, 28)
然后以60k为样本，确定输入形状为28,28,1。
model2 = tf.keras.Sequential()
# Must define the inp
浏览 3提问于2020-01-29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
在下面的代码中，状态的形状是(4,1)。我知道.reshape()命令，但不能理解以下表达式中的(-1，*state.shape)。(我正在使用一个教程来理解Deep Q-Learning，此命令是该教程的一部分。)我可以看到它是做什么的，但是它的语法对我来说是新的
self.model.predict(np.array(state).reshape(-1, *state.shape))[0]
此外，是否有任何特定的形状我们应该用于.predict()
浏览 0提问于2020-08-10得票数 0
3回答
我正在制作一个MLP模型，它需要两个输入并产生一个输出。
我有两个输入数组(每个输入一个)和一个输出数组。该神经网络有1个隐层，2个神经元。每个数组有336个元素。
model0 = keras.Sequential([
keras.layers.Dense(2, input_dim=2, activation=keras.activations.sigmoid, use_bias=True),
keras.layers.Dense(1, activation=keras.activations.relu, use_bias=True),
])
# Compile the neural ne
浏览 0提问于2019-03-19得票数 27
回答已采纳
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
我想实现一个对角矩阵应用函数，它是通过首先提供对角d，然后用x做一系列矩阵-向量乘法来创建的。当然，我不想创建一个实际的矩阵，因为所需要的只是一个元素向量乘法。
现在，一些用户将提供shape (k,)的对角线d，一些shape (k,1)。此外，x可以具有形状(k,)和(k,1)。我希望apply()方法的行为类似于numpy矩阵的*，因为结果具有与输入x相同的形状。
因此问题来了:在Python/Numpy中，有没有一种简单的方法可以将两个np.arrays x和y of shape (k,)或(k,1) (任意组合)相乘，这样结果得到的数组就具有x的形状
我用[:,None]做了一点实验
浏览 2提问于2012-04-22得票数 5
回答已采纳
3回答
我试着训练灰色图像。batch_size = 32, image size = (48*48)。我定义了我的网络input_shape = (48,48,1)。当我训练网络时，我会遇到一个类似于下面的错误。
错误：
ValueError:检查输入时出错:期望conv2d_17_input有4个维，但得到了形状为(32、48、48)的数组
model.add(Conv2D(32, kernel_size=(5, 5),
activation='relu',
input_shape=(48,48,1)
浏览 0提问于2019-04-08得票数 3
回答已采纳
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
1回答
Keras Conv2d暗差
、、、、
检查输入时出错:期望conv2d_input有4个维，但得到了形状为(1000，32，32)的数组
当我尝试添加Conv2d作为我的第一层时，我得到了什么。我为网络提供了1000,32,32，32数组，即1,000个32x32像素
model = keras.Sequential([
keras.layers.Conv2D(32, (3, 3), padding='same',data_format="channels_first", input_shape=(1,32,32)),
keras.layers.Dense(128, activation=t
浏览 0提问于2018-08-03得票数 2
回答已采纳
2回答
我有包括train_x训练和train_y测试的数据。但主要问题是，当拟合到模型时，它显示错误，如。 检查输入时出错:要求dense_12_input具有形状(8，)，但得到形状为(13923，)的数组 训练数据形状为 d=np.array(train_x)
d.shape 输出为 (6995, 13923) 测试数据形状为 f = np.array(train_y)
f.shape 输出为 (6995, 8) 所以我们可以转换到这个上面或者放入模型中 将数据拟合到训练数据集 classifier.fit(np.array(train_x),np.array(train_y), batch
浏览 9提问于2020-01-13得票数 0
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
我正在加载 (23094，71,768)，(23094，19,282)的预训练模型.
当我传递形状为(29116，72,768)的新X值时，当检查输入时会出现错误:期望的lstm_1_input具有形状(71,768)，但得到与形状(72,768)的数组。
这是我的模型总结:模型："sequential_1“
图层(类型)输出形状参数
lstm_1 (无，71,256个) 1049600
lstm_2 (无，71，64) 82176
lstm_3 (无，32) 12416
dense_1 (稠密)(无，5358) 176814
reshape_1 (重塑)(无，19,282)
浏览 2提问于2020-04-06得票数 0
classifier = Sequential()
classifier.add(Dense(6,kernel_initializer='random_uniform',activation='relu',input_dim=11))
classifier.add(Dense(6,kernel_initializer='random_uniform',activation='relu'))
classifier.add(Dense(1,activation='sigmoid'))
classifier.compil
浏览 4提问于2020-02-19得票数 0
1回答
Keras输入尺寸设置
、、、、
我试着用keras训练一个LSTM模型，但我想我在这里出了点问题。
我有个错误
ValueError:检查输入时出错:期望lstm_17_input具有三维，但得到形状为(10000、0、20)的数组
虽然我的代码看起来像
model = Sequential()
model.add(LSTM(256, activation="relu", dropout=0.25, recurrent_dropout=0.25, input_shape=(None, 20, 64)))
model.add(Dense(1, activation="sigmoid"))
浏览 0提问于2018-01-07得票数 19
回答已采纳
1回答
我使用Keras/TF的模型如下：
conv = Conv2D(4, 3, activation = None, use_bias=True)(inputs)
conv = Conv2D(2, 1, activation = None, use_bias=True)(conv)
model = Model(input = inputs, output = conv)
model.compile(optimizer=Adam(lr=1e-4), loss=keras.losses.mean_absolute_error)
在model.fit中，我收到一个错误：
ValueError:检
浏览 0提问于2019-01-02得票数 5
回答已采纳
2回答
在这里，我使用Tensorflow编写了一个非常简单的回归代码：
import tensorflow as tf
import numpy as np
x_train = np.array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]],
dtype="float32")
y_train = np.array([[-1, 1, 3, 5, 7, 9, 11, 13, 15, 17, 19]],
dtype="float32")
loss = &
浏览 0提问于2019-12-22得票数 2
回答已采纳
我有两个ndarray A和B，一个形状是(4,)，另一个是(4,1)。
当我想要使用计算余弦距离时，它抛出了一些异常，报告两个对象are not aligned
有人对此有什么想法吗？谢谢!
浏览 2提问于2012-11-04得票数 4
回答已采纳
1回答
如何修正期望密度模型中的值误差？
、、、、
我正在和Keras一起尝试深入学习。加载数据集后，我试图创建模型(培训和测试)。我的代码：
scaler = StandardScaler().fit(train)
train=scaler.transform(train)
test=scaler.transform(test)
# Creating Deep Model
model = Sequential()
# Add an input layer
model.add(Dense(12, activation='relu', input_shape=(11,)))
# Add one hidden layer
浏览 0提问于2019-08-11得票数 0
回答已采纳
2回答
不能完全理解为什么x-y是矩阵？
X(4)和y (4,1)的形状有什么区别，它们不都被当作向量处理吗？
>>> x = np.array([1,2,3,4])
>>> y = x[:,None]
>>> x.shape
(4,)
>>> y.shape
(4, 1)
>>> x
array([1, 2, 3, 4])
>>> y
array([[1],
[2],
[3],
[4]])
>>> x-y
array([[ 0, 1
浏览 1提问于2015-10-29得票数 4
回答已采纳
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
1回答
我基本上是试图构建一个由多个convolution2d层组成的深度模型，然后是maxPoint2d，如下所示：
model.add(Convolution2D(128, 54, 7, input_shape=(1, 54, 180)))
model.add(MaxPooling2D(pool_size=(1, 3)))
model.add(Convolution2D(128, 1, 7))
model.add(MaxPooling2D(pool_size=(1, 3)))
但是，我得到了以下错误：
文件"/home/user/anaconda2/lib/python2.7/site
浏览 0提问于2017-01-10得票数 0
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
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
1回答
我是TF的新手，遇到了一点问题。我正在尝试将具有形状(150x150x3)的彩色图像分为30类。当我对模型进行拟合时，我得到了错误： ValueError:检查模型输入时出错:传递给模型的Numpy数组列表不是模型预期的大小。期望看到1个数组，但得到了以下768个数组的列表：... 我的代码： model = Sequential()
model.add(Flatten(input_shape=(150,150,3)))
model.add(Dense(150, activation=tf.nn.relu))
model.add(Dense(150, activation=tf.n
浏览 15提问于2019-02-06得票数 0
回答已采纳
5回答
我有这样简单的数组
x = np.array([1,2,3,4])
In [3]: x.shape
Out[3]: (4,)
但我不希望返回形状(4，)，而是(4，1)。我怎样才能做到这一点？
浏览 0提问于2018-02-02得票数 0
从上面可以推断出，当我将一系列数据作为参数传递给线性回归模型时，它会抛出一个错误。
ValueError: Expected 2D array, got 1D array instead:
array=[2600 3000 3200 3600 4000].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
浏览 4提问于2020-08-15得票数 1
回答已采纳
在运行xtrain=(1221,50,50,1)时，我试图运行一个模型，它显示了这个错误
ValueError:检查输入时出错:期望input_1有5个维度，但得到了形状为(1221，50，50，1)的数组
我正在使用以下功能：
model.compile(loss=categorical_crossentropy,optimizer=Adadelta(lr=0.8), metrics=['acc'])
model.fit(x=ZZ, y=yyy, batch_size=128, epochs=1, validation_split=0.2)
当我使用expand_di
浏览 3提问于2020-01-21得票数 0
我正在拿一张图片清单来训练我的CNN。
model = Sequential()
model.add(Dense(32, activation='tanh', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
data, la
浏览 15提问于2019-08-20得票数 0
回答已采纳
我正在尝试使用基于Keras 2的incepctionV3训练模型来预测用于测试的图像。我最初的模型运行良好，然后尝试用指定的input_shape (299,299,3)创建一个模型。
base_model = InceptionV3(weights='imagenet', include_top=False, input_shape=(299,299,3))
训练过程看起来很好，但是当我试图用它来预测图像时，它会导致这个错误。
ValueError:当检查时出错:期望input_1具有形状(无，299,299，3)，但得到了形状数组(1,229,229，3)
浏览 0提问于2017-08-11得票数 0
回答已采纳
我必须执行张量运算，其中张量的每个切片都被向量中的相应元素除以。例如，形状(4,80,50)的张量K沿着轴-0具有4个形状(80，50)切片。4个切片中的每一个都必须被形状为(4,1)的向量P的元素分割。K0，:，：/p，K1，:，:/p1等。有没有一个keras函数可以执行这些操作？
浏览 6提问于2019-09-20得票数 0
回答已采纳
1回答
有人知道如何修复这个错误吗？我试着用重塑功能来解决它，但它仍然不起作用。我想用VGG16训练时尚-MNIST数据集，但我在维度上有一些困难……
我得到了这个错误：
Epoch 1/50
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-84-51241dcc88e5> in <module&
浏览 0提问于2020-06-25得票数 0
1回答
我有一个三维数组A，形状(5774,15,100)和另一个一维数组B与形状(5774,)。我想要添加这些，以便得到另一个矩阵C和形状(5774,15,101)。
我使用hstack作为
C = hstack((A ,np.array(B)[:,None]))
我得到了以下错误，任何建议。
ValueError: could not broadcast input array from shape (5774,15,100) into shape (5774)
浏览 0提问于2018-10-10得票数 2
回答已采纳
1回答
self.model = Sequential()
self.model.add(Dense(units=20, input_dim=9))
self.model.add(Activation('relu'))
self.model.add(Dense(units=len(labels)))
self.model.add(Activation('softmax'))
self.model.compile(optimizer='sgd', # rmsprop
loss='categorical_cro
浏览 0提问于2017-07-24得票数 0
1回答
我正在将(文本字符串的)列表列表转换为数组，无论如何不断地发现自己打印形状，然后手动执行np.reshape以“转换”数组，以便数据按行排列下来，而不是无休止的列流。
不管怎么说，我一开始就可以用正确的转换来创建数组，以避免每次都要手工整形吗？
例如，我有一个2d清单如下：
a = [['foo', 'bar', 'baz', 'qux']]
我使用以下方法转换为数组：
b = np.array(a)
使用b.shape时它的形状是：(4,)
不过，我需要它是(4,1) (and use b = b.reshape(4,1))，如
浏览 2提问于2021-08-17得票数 0
回答已采纳
我有一个tflite模型，期望输入形状为(1,1000，12)。为了测试它，我打算加载一个CSV文件并对其运行推理。下面是我的代码和我在运行它时得到的错误消息的相关部分。 我假设我在正确加载或读取CSV文件时犯了一个错误。我是Android的新手，在这件事上如果有任何帮助，我将非常感谢！ val testModel = myModel.newInstance(context)
// Creates inputs for reference.
val inputFeature0 = TensorBuffer.createFixedSize(intArrayOf(1, 1000, 12), D
浏览 12提问于2021-03-19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
