错误: X.shape[1] =1应等于9，即训练时的要素数
这个错误信息表明在某个操作中，变量 X 的第二维大小（通常是特征的数量）应该是 9，但实际上是 1。这通常发生在机器学习模型的训练过程中，特别是在处理输入数据时。以下是一些可能的原因和解决方法：
原因
- 数据预处理错误：在数据预处理阶段，可能某些步骤导致特征数量减少。
- 数据集不一致：训练数据和测试数据的特征数量不匹配。
- 代码逻辑错误：在数据处理或模型定义的代码中存在逻辑错误。
解决方法
- 检查数据预处理步骤：
- 确保所有特征都被正确加载和处理。
- 使用
print(X.shape)在关键步骤检查数据的形状。
- 确保数据集一致性：
- 确保训练数据和测试数据的特征数量一致。
- 可以使用
train_test_split函数时设置random_state参数来确保每次分割结果一致。
- 检查代码逻辑：
- 确保在数据加载和处理过程中没有意外地减少特征数量。
- 例如，检查是否有
X = X[:, 0]这样的操作，这会将特征数量减少到 1。
示例代码
以下是一个简单的示例，展示如何在数据预处理和模型训练过程中检查和处理特征数量：
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
# 假设 X 和 y 是你的数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([1, 2, 3])
# 检查数据形状
print("原始数据形状:", X.shape)
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 检查分割后的数据形状
print("训练数据形状:", X_train.shape)
print("测试数据形状:", X_test.shape)
# 确保特征数量一致
assert X_train.shape[1] == X_test.shape[1], "训练和测试数据的特征数量不一致"
# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)参考链接
通过以上步骤，你应该能够找到并解决 X.shape[1] = 1 应等于 9 的问题。
相关·内容
1回答
我试图为多类分类建立一个模型，但我不明白如何设置正确的输入形状。我有一个使用shape (5420, 212)的训练集，这是我建立的模型：
model = models.Sequential()
model.add(layers.Dense(64, activation='relu', input_shape = (5420,)))
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(5, activation='softmax'))
model.compil
浏览 1提问于2021-11-06得票数 0
回答已采纳
我已经实现了一个视频查看应用程序来显示来自摄像机的视频流。它使用FFMPEG库接收一个(H.264)多播视频流，并将其解码成图像，由我的应用程序显示。它运行得很好，但是现在有一个特定的摄像机流导致我的应用程序崩溃。在对流进行探测时，发现SAR和DAR都是0:1，从流信息来看，我以前从未见过其他相机也见过这种情况。是SAR造成了我的应用程序中的问题，所以现在我已经对其进行了修补，假设SAR为1:1，以防流指示无效的SAR。
我的问题相当笼统，而且不太具体地涉及我的应用程序：
是否允许摄像机报告0:1的SAR (和/或DAR)，这似乎毫无意义？如果允许的话，在这种情况下是否应该假定存在一些默认的S
浏览 3提问于2021-03-26得票数 0
我现在使用factor_analyzer python包做了几个因素分析。在线上的每个人似乎都使用几乎完全相同的工作流：
使用rotationanalyze).对不旋转的特征的相关矩阵进行拟合，找出特征值>1的“因子”的个数，再用这几个因子对相关矩阵进行拟合。
但我不知道如何解读这个情节。我的基本数据是1M行x 432列(特性)。对于下面的图，我选择了40 determine (不旋转)作为起点，以确定所需因素的数量。
那么，为什么在我的特征值是432“因子”，对此我发现155个因子的特征值> 1？难道不应该只有40特征值吗？为什么我的特征值和原始特征一样多？在这个步骤中设置几个因
浏览 6提问于2021-09-17得票数 0
我目前正在使用SHAP Package来确定特性贡献。我已经在XGBoost和RandomForest上使用了这种方法，它工作得非常好。由于我正在处理的数据是顺序数据，我尝试使用LSTM和CNN来训练模型，然后使用SHAP的DeepExplainer获得特征重要性；但它不断抛出错误。我得到的错误是： AssertionError: <class 'keras.callbacks.History'> is not currently a supported model type!. 我还附上了示例代码(LSTM)。如果有人能帮我的话就太好了。 shap.initjs
浏览 296提问于2020-04-30得票数 10
回答已采纳
2回答
神经网络从零开始-预测单个例子
、、、、
这里有一个神经网络，我已经修改了Coursere深度学习专业，在包含一个扁平的训练数据数组的数据集上进行训练：
%reset -s -f
import numpy as np
import math
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def initialize_with_zeros(dim):
w = np.zeros(shape=(dim, 1))
b = 0
return w, b
X = np.array([[1,1,1,1],[1,0,1,0] , [1,1,1,0], [0,0,0,0
浏览 2提问于2019-08-28得票数 0
回答已采纳
2回答
我正试着用从DataFrame获取的数据来训练LSTM网络。
代码如下：
x_lstm=x.to_numpy().reshape(1,x.shape[0],x.shape[1])
model = keras.models.Sequential([
keras.layers.LSTM(x.shape[1], return_sequences=True, input_shape=(x_lstm.shape[1],x_lstm.shape[2])),
keras.layers.LSTM(NORMAL_LAYER_SIZE, return_sequences=True),
k
浏览 2提问于2020-06-08得票数 8
回答已采纳
我有超过2000行和23列的数据集，包括age列。我已经完成了SVR的所有过程。现在，我想预测经过训练的SVR模型，我需要在模型中输入X_test吗？所面临的错误是
ValueError: X.shape[1] = 1 should be equal to 22, the number of features at training time
我如何解决这个问题？如何编写代码来对经过训练的SVR模型进行预测？
import pandas as pd
import numpy as np
# Make fake dataset
dataset = pd.DataFrame(data= np.r
浏览 5提问于2020-05-22得票数 0
回答已采纳
1回答
这是家务活。
我有两个矩阵，一个用于训练，一个用于测试。该数据有两列数据，用于分类，第三列为已知类。两个矩阵都有第三列。
[1] [2] [3]
[1] 6.4 0.32 2
[2] 4.8 0.34 0
[3] 4.9 0.25 2
[4] 7.2 0.32 1
其中的中间格是类(从0-2)。
我的数据集的维度是训练集的100 3，测试集的38 3。
我尝试使用类库的knn()函数。
knn使用下列参数：(train，test，cl，k= 1，l= 0，prob = FALSE，use.all = TRUE)
我尝试直接使用我的数据集，但是我得到了一个错误：“‘火车’和‘班次’有不同
浏览 0提问于2015-02-16得票数 1
回答已采纳
1回答
给定一个995 (1,4)向量序列，我想用Keras预测下5 (1,4)个向量。
我的数据数组的形状为( 1000,1000，1，4)，即1000 (1,4)个向量的1000个表示形式。
我将这个数据数组分成输入和输出，给出了形状为(1000,995，1，4)的输入数组和形状为(1000，5，1，4)的输出数组。
我使用了以下代码，但得到了一个与输出形状相关的错误，并且我不清楚如何构造模型中的最后一层来处理输出数组形状。
from keras.models import Sequential
from keras.layers import Dense
X = np.array(test
浏览 0提问于2018-06-27得票数 0
1回答
我正在用一个由2410个RGB图像组成的数据集训练CNN，它属于两个类别，即crops和grass。经过对CNN模型的训练，获得了100%的精度和75%的测试精度。此外，当我试图用数据集的标签和预测显示数据集的几幅图像时，我得到了一个错误：
IndexError: list index out of range
我的代码：
# Display some pictures of the dataset with their labels and the predictions
fig, axes = plt.subplots(nrows=3, ncols=3, figsize=(10, 10),
浏览 2提问于2022-05-13得票数 0
1回答
顺序模型：
X = tokenizer.texts_to_sequences(data['text'])
X = pad_sequences(X)
embed_dim = 128
lstm_out = 300
batch_size = 32
##Buidling the LSTM network
model = Sequential()
model.add(Embedding(input_dim=2500, output_dim=embed_dim,
input_length=X.shape[1], dropout=0.1))
model.add(LSTM(lstm_o
浏览 12提问于2018-12-14得票数 0
1回答
Keras LSTM模型过拟合
、、、、
我在Keras中使用LSTM模型。在拟合阶段，我添加了validation_data参数。当我绘制我的训练与验证损失时，似乎存在严重的过拟合问题。我的验证损失就是不会减少。 我的完整数据是一个具有shape [50,]的序列。前20条记录用作训练，其余记录用于测试数据。 我已经尝试添加dropout并尽可能地降低模型的复杂性，但仍然没有成功。 # transform data to be stationary
raw_values = series.values
diff_values = difference_series(raw_values, 1)
# transform data
浏览 53提问于2021-07-23得票数 0
回答已采纳
1回答
我有以下矩阵来训练一个模型：
输入特征矩阵
X = \begin{bmatrix} | & | & & |\\ X_1 & X_2 & ... & X_m\\ | & | & & | \end{bmatrix}; ~ X.shape = (n_x, m)
输出矩阵
Y = \begin{bmatrix} y_1 & y_2 & y_3 & ... & y_m \end{bmatrix} ~ ; ~ Y.shape=(1,m)
我想用scikitlearn分成训练和测试数据集。
浏览 0提问于2021-08-03得票数 0
回答已采纳
1回答
我使用LSTM和Keras构建了一个简单的时间序列预测模型，其工作原理如下:假设我有过去10个时间段的数据(标准化并准备进行训练)，该模型预测前两个时间段的值。
我的数据形状类似于：
X= [[1,2,3,4,5,6,7,8,9,10,2,3,4,5,6,7,8,9,10,11,3,4,5,6,7,8,9,10,11,12]]
Y= [11,12,12,13,14,15]
该模型由一个具有rnn_size个节点的LSTM层和一个丢弃层组成。
model = Sequential()
model.add(LSTM(rnn_size,
batch_input_shape=
浏览 2提问于2017-09-14得票数 1
我正在尝试使用opencv执行面部识别。为此，训练图像和测试图像的大小必须相同。所以我使用了这个函数：
resize(testing,output, images[0].size(),0,0,INTER_NEAREST);
其中测试是来自网络摄像头的Mat，输出是调整大小的图像，images.size()是我的矢量图像数据库。然而，我得到了以下错误：
OpenCV Error: Bad argument (Wrong shapes for given matrices. Was size(src) = (1,921600),
size(W) = (307200,6).) in subspac
浏览 3提问于2012-08-20得票数 2
回答已采纳
抱歉，如果这是提出我的问题的错误地方(如果是这样的话，请帮我找出最好的地方)。我是Keras和Python的新手，所以希望响应考虑到这一点。
我试图训练一个CNN的指导模型，以图像为输入。它是一个相当大的数据集，所以我创建了一个数据生成器来处理fit_generator()。我不清楚如何让这个方法分批进行训练，所以我假设生成器必须将批处理返回到fit_generator()。发电机看起来是这样的：
def gen(file_name, batchsz = 64):
csvfile = open(file_name)
reader = csv.reader(csvfile)
浏览 1提问于2017-08-24得票数 1
1回答
我试图在Keras中创建一个带有输入(批处理、通道(3)、64、32)的神经网络，但是使用批处理规范化(由于错误从上述层开始，我选择分离导致错误的部分)，模型开始时如下所示：
input_imgC = Input(shape=(X.shape[1], X.shape[2], X.shape[3]))
x = Conv2D(32, (5, 5), activation='relu', padding='same', data_format="channels_first")(input_imgC)
out = BatchNormalization
浏览 0提问于2018-12-05得票数 2
回答已采纳
2回答
我正在做一些训练课程，这个问题仍然引起我的注意。
问题：
声明一个类型为math_constants的浮点数组。数组应该足够大，可以容纳2个数字。
为什么是
float math_constants[2];
对，是这样?
为什么
float math_constants[1];
不对?
这可能是个新手的错误，但这让我很困惑。
浏览 1提问于2014-05-09得票数 1
回答已采纳
使用Keras API设置我的第一个词级语言模型。准确率极低，所需的训练时间高得令人难以置信。
我使用Keras库开发了我的第一个单词级语言模型，并将我的训练集作为Pulp Fiction的脚本。我清除了文本中的所有标点符号，并将所有单词转换为小写。当我在给定的数据集上开始训练我的模型时，它的准确率为3%，训练时间为每个时期6-7分钟。这是非常令人泄气的，我想知道我是否应该调整我的超参数，或者这是我的模型的正常行为，它将产生更多的时代更好的结果？
model=Sequential()
model.add(LSTM(256, input_shape=(X.shape[1], X.shape[2
浏览 4提问于2019-06-24得票数 0
1回答
多步预测LSTM模型
、、、、
我试图在Keras中实现一个多步预测LSTM模型。数据的形状如下：
X : (5831, 48, 1)
y : (5831, 1, 12)
我试图使用的模型是：
power_in = Input(shape=(X.shape[1], X.shape[2]))
power_lstm = LSTM(50, recurrent_dropout=0.4128,
dropout=0.412563, kernel_initializer=power_lstm_init, return_sequences=True)(power_in)
main_out = Tim
浏览 26提问于2018-09-19得票数 1
回答已采纳
1回答
在程序中存储2D数组的最佳方法
、、、、
好的，所以我开始了一个小的面向对象的程序，但我仍然需要帮助我的头脑围绕模型类。
我有5个类文件: UFile.java、Menu.java、UInput.java、UImport.java和UMath.java
和一个模型类: Matrix.java
每个类文件都很有解释性。
UFile.java:处理来自.csv的文件输入并写入.csv
Menu.java为用户提供了选择他们想要做什么的提示
UInput.java处理用户输入并对其进行验证。
UMath.java处理任何与数学相关的算法。
UImport.java将数组导入程序
我用自己的测试文件对每个文件进行了测试，它们运行得
浏览 4提问于2020-05-24得票数 2
回答已采纳
在我的代码中，x和y是训练数据：
from sklearn.svm import SVC
clf = SVC(kernel=lambda x,y:gauss_kernel(x, y, 100) )
print(X.shape[0])
print(X.shape[1])
print(X.shape)
clf.fit(X, y)
我得到以下错误：
211
2
(211, 2)
/Users/mona/anaconda/lib/python3.6/site-packages/sklearn/utils/validation.py:547: DataConversionWarning: A colu
浏览 0提问于2017-11-30得票数 1
我正在训练时间序列预测的神经网络。我的数据如下：
train_generator = TimeseriesGenerator(X, y, length=7*24, stride=24, batch_size=32)
print(X.shape, y.shape)
>>>((126336, 3), (126336, 24))
该培训在此体系结构上运行良好：
model = Sequential()
model.add(LSTM(16, return_sequences=True, input_shape=(7*24, X.shape[1])))
model.add(Dropo
浏览 1提问于2021-01-30得票数 2
回答已采纳
我正在用氢化物训练方法实现一个ANFIS模型。我有13个输入，映射到一个输出。我制定了有关我的制度的规则。当我训练数据时，我会得到以下错误：
输出MF的数目不等于规则的数目
我哪里出问题了有什么线索吗？
浏览 4提问于2012-04-01得票数 1
回答已采纳
1回答
我试着用提亚诺来做一些认可。我所有的图片都是不同的尺寸，我不想调整它们的大小，因为它们是绘画的，所以它们不应该是相同的大小。我想知道如何将可变图像长度的图像矩阵传递到Theano函数中。
我的印象是这是不可能的。还有别的选择吗？
def floatX(X):
return np.asarray(X, dtype=theano.config.floatX)
def init_weights(shape):
return theano.shared(floatX(np.random.randn(*shape) * 0.01))
def model(X, w):
retu
浏览 3提问于2015-03-07得票数 0
回答已采纳
1回答
import numpy as np
import statsmodels.api as sm
duncan_prestige = sm.datasets.get_rdataset("Duncan", "carData")
Y = duncan_prestige.data['income']
print(Y.shape)
X = duncan_prestige.data['education']
print(X.shape)
X = sm.add_constant(X)
print(X.shape)
model = sm.OLS(
浏览 3提问于2022-10-18得票数 0
我正在试图计算GPU所需的内存量，以基于Andrej的这张笔记来训练我的模型。
我的网络有532,752个激活和19,072,984个参数(权重和偏差)。这些都是32位浮点数，因此每个字节在内存中占4个字节。
我输入的图像是180x50x1 (宽度x高度x深度)= 9,000浮点32值。我不使用图像增强，所以我认为杂项内存将只与小批大小有关。我用的是128张图片的小批量大小。
根据Andrej的建议，我得到了以下内存大小：
激活: 532,752*4/(1024^2) = 2.03 MB
参数: 19,072,984*4/(1024^2) *3= 218.27 MB
杂项: 128_9,000
浏览 0提问于2016-07-07得票数 21
回答已采纳
我正在使用Python3.6，并尝试运行来自的以下代码
from __future__ import division
import numpy as np
import matplotlib.pyplot as plt
import scipy.interpolate
x = np.array([ 2., 1., 1., 2., 2., 4., 4., 3.])
y = np.array([ 1., 2., 3., 4., 2., 3., 2., 1.])
plt.plot(x,y, label='poly')
t = np.arange(x.
浏览 66提问于2020-03-04得票数 0
1回答
我在处理多时相多光谱卫星图像。这些数据以((n_bands x n_timesteps), height, width)形状的地质数据形式存储。我需要为ML模型训练重塑数组，其中图像中的每个像素都是“样本”。因此，训练数组将是形状(n_samples x n_timesteps x n_bands)。
假设下面的数组和相关变量。此外，假设数据集中的带数为12，如果时间步长为4，则为数。因此，数组的第一维为12*4 = 48。
x = np.random.rand(48, 512, 512)
width = x.shape[1]
height = x.shape[2]
n_samples =
浏览 6提问于2022-01-14得票数 0
回答已采纳
2回答
我希望从类似于元组的表中选择数据。这意味着我只获得了类似于我的元组的数据，例如t1
conn = sqlite3.connect('mydatabase.db')
cur = conn.cursor()
result = cur.execute("SELECT Sum(amount) FROM items WHERE id In 't1' ")
c1 = cur.fetchall()
但是我得到了这个错误: sqlite3.OperationalError:没有这样的表: t1
浏览 4提问于2022-07-06得票数 -1
我已经用group by和sum函数编写了pyspark代码。我感觉性能受到了group by的影响。取而代之的是，我想使用reducebykey。但我是这个领域的新手。请在下面找到我的场景，
步骤1:通过sqlcontext读取hive table join查询数据并存储在dataframe中
Step2:输入列总数为15列，其中5列为关键字段，其余为数值。
Step3:除了上面的输入列之外，还需要从数值列派生更多的列。具有默认值的几列。
第四步:我已经使用了group by和sum函数。如何用spark方式和map和reducebykey选项来做类似的逻辑。
from pyspark.sq
浏览 0提问于2017-09-21得票数 1
2回答
比较布尔数组:计数次数两者均为真
、、、、
我想知道如何计算多个NumPy bool数组中真正元素的数量。例如，A和B == 1同时进行试验。下面是我尝试过的。
A = array([1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 1, 2, 2, 2, 2, 1, 2, 2, 2, 2, 1, 1, 2, 1, 1, 2, 2, 2, 1, 2, 1, 2, 2, 2, 2, 2, 1, 1, 1, 1, 1, 2, 2, 1, 2, 1, 2, 2, 1, 2, 2, 2, 2, 2, 1, 1, 2, 2, 2, 2, 2, 1, 1, 1, 2, 1, 2, 1, 1, 2, 2, 1, 2, 1, 2, 1, 2,
浏览 3提问于2017-10-12得票数 2
回答已采纳
1回答
我目前正在使用DataTables的服务器端选项，我当前的问题是数据表中的页码仅显示1。
Javascript：
var oTable1 = $('#users-table').dataTable({
"bDestroy": true,
"bProcessing": true,
"bServerSide": true,
"sAjaxSource": "/v1/users",
"bPaginate": true,
"aoColum
浏览 0提问于2015-06-11得票数 3
回答已采纳
1回答
我无法减少这个问题的复杂性。请给我一些更好的方法。
是否有一个我不知道的数学公式，或者可以用更好的方法来完成？
描述：
A special number is not divisible by any number of the form Z*Z where (Z>1).
问题：在给定范围内查找特殊数字的数量。
Integer Limit:10^9
我是这样做的：
import math
def special(x):
flag=1
i=2
if(x==0 or x==1 or x==2):
re
浏览 8提问于2014-04-15得票数 1
回答已采纳
我有两个数据集:x和y，我想把它们分成训练集和测试集。并且我想保持他们数据的顺序(没有随机混洗)。以下面的代码为例。X有10行(y相同)。我想要的结果是X_train约占总行数的2/3，而x_test约占总行数的1/3。最重要的是，对于X_test，X_train不应该只是0到6行，而应该尽可能均匀地选择0到9行。
import numpy as np
X = np.arange(50).reshape(10,5)
y = np.arange(10)
test_size = 0.33
n_total = X.shape[0] # total number of rows
n_train =
浏览 11提问于2017-03-07得票数 0
我正在尝试训练一个包含700000行包含210+百万字的大型数据集。我有8GB内存。当我试着训练它时，它给我的记忆错误。有人能指点我到底做错了什么吗?这里是我的训练代码样本。
self.vectorizer = TfidfVectorizer(min_df=0.001，max_df=0.2，norm='l2'，分析器=‘word’)
学习( self.dim，all_clean_text)：打印(‘列车特征提取器’)x=打印(x.shape) self.dim = x.shape1打印(self.dim)
浏览 0提问于2019-05-10得票数 0
这里有这样的代码，它要求用户输入一个数字，然后调用isPrime方法来计算这个数字是否是素数。然后将结果打印到屏幕上。为了让这段代码正常工作，我做了很多尝试和错误，但是我并不完全理解为什么这个程序能工作。例如，如果我输入9，代码将返回一个余数，它应该返回true，这应该使9成为素数，但它不是，程序工作，说9不是素数。只是想知道为什么会起作用。
package homework_chap5;
import java.util.Scanner;
public class Homework_Chap5 {
//Pg 313 #7
public static vo
浏览 0提问于2018-11-04得票数 1
回答已采纳
1回答
我在一个包含两个不同类别的图像的数据集上训练了一个模型，现在我试图从这个模型中得到一些关于新图像的预测。我使用saved_model格式进行保存，并试图加载和预测模型上的一个映像。我的代码如下
loaded = tf.keras.models.load_model('/Library/...')
loaded.compile(loss=tf.keras.losses.CategoricalCrossentropy(label_smoothing=0.1),
optimizer=tf.keras.optimizers.SGD(lr=0.005, m
浏览 1提问于2020-03-26得票数 1
回答已采纳
5回答
下面的代码中是否有任何移除for循环和if/else的pythonic方法。
此代码遍历NumPy数组并检查条件，并根据条件更改值。
>>> import numpy as np
>>> x=np.random.randint(100, size=(10,5))
>>> x
array([[79, 50, 18, 55, 35],
[46, 71, 46, 95, 52],
[97, 37, 71, 2, 79],
[80, 96, 60, 85, 72],
[ 6, 52, 63,
浏览 6提问于2017-08-19得票数 30
回答已采纳
1回答
我有一个N_Samples by N_features N_samples，N_features的数据集和一个对应的标签集N_samples，N_labels我想使用keras中的Conv1D或Conv2D，但我不知道如何调整数据的形状以适应它 数据集约为100,000个样本，包含32个要素，标注数据集与6个标注分类(100000，6)的长度相同 model = Sequential()
model.add(Conv1D(64, kernel_size=3, activation=’relu’, input_shape=(None,N_features,1)))
# (i would a
浏览 9提问于2018-12-22得票数 0
我对神经网络很陌生。我试图在不使用word2vec包的情况下训练单词嵌入。
使用来自reddit worldnews dataset的标题，我已经做了一些CBOW表示。
对于窗口大小3，下面是我的一些输出：
0 Context : ['scores', 'killed', 'pakistan'] ---> Target: clashes
1 Context : ['japan', 'resumes', 'refuelling'] ---> Target: mission
2 Contex
浏览 0提问于2019-08-14得票数 2
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
1回答
当我尝试布局时遇到了一个奇怪的问题，但是当我想要改变一个特定的行来占据两行时，整个布局就会缩小。
SCSS：
.parent {
display: grid;
grid-template-columns: repeat(10, 1fr);
grid-template-rows: repeat(14, 1fr);
grid-column-gap: 20px;
grid-row-gap: 20px;
background-color: black;
.div1 {
grid-area: 1 / 2 / 7 / 3;
}
.div2 {
grid-a
浏览 3提问于2021-04-16得票数 1
回答已采纳
我对LSTM很熟悉，我需要弄清楚一些事情。我正在用t-300:t-1建立一个时间序列来预测t:t+60。我的第一个方法是建立这样一个LSTM：
# fake dataset to put words into code:
X = [[1,2...299,300],[2,3,...300,301],...]
y = [[301,302...359,360],[302,303...360,361],...]
# LSTM requires (num_samples, timesteps, num_features)
X = X.reshape(X.shape[0],1,X.shape[1])
浏览 0提问于2017-09-01得票数 2
1回答
重缩放不起作用Keras
、、、、
我正在尝试从Keras的构建和训练一个版本的SegNet，并在训练时获得一个ValueError。我的训练数据是这样的：
RGB图像：
train.shape
(382,200,200,3)
3个区域类的带有一次热标签的掩码：
label.shape
(382,200,200,3)
模型如下：
inshape=(200, 200, 3)
classes=3
# c.f. https://github.com/alexgkendall/SegNet-Tutorial/blob/master/Example_Models/bayesian_segnet_camvid.prototxt
img_i
浏览 0提问于2018-05-11得票数 0
我正在尝试基于数据集的部分特性来训练Keras模型。我加载了数据集并提取了如下特性：
train_data = pd.read_csv('../input/data.csv')
X = train_data.iloc[:, 0:30]
Y = train_data.iloc[:,30]
# Code for selecting the important features automatically (removed) ...
# Selectintg important features 14,17,12,11,10,16,18,4,9,3
X = train_
浏览 0提问于2017-08-03得票数 9
回答已采纳
1回答
以下两个张量x(形状(BS，N，C))和y(形状(BS,1，C))如下：
BS = x.shape[0]
N = x.shape[1]
out = torch.zeros(size=x.shape)
for i in range(BS):
for j in range(N):
out[i, j, :] = torch.mul(x[i, j, :], y[i, 0, :])
return out
通过这种方式实现的wrapper_native_layer_norm)" 会产生一个错误"RuntimeError:预期所有张量都在同一设备上，但是至少发现了两个
浏览 0提问于2021-09-10得票数 0
回答已采纳
1回答
我将使用XGBRanker来制作一个推荐系统。但在中，我还没有找到一个如何准备数据集的示例。
因此，XGBRanker中的要素和标注应采用哪种格式
浏览 4提问于2020-11-17得票数 0
我请求一个经过训练的模型(用线性学习算法创建的模型)的在线预测，并得到“错误”：“预测失败:未知错误。”
这是我在Google AI平台上的第一个ML模型。模型训练成功，训练数据、验证数据和测试数据在输出文件夹中看起来都很好。但是，当我试图通过传递输入JSON来测试模型时，我得到了这个错误。我也在寻找类似的其他帖子，但找不到解决方案来获得成功的预测。
工件文件夹中的metadata.json如下所示
{
"feature_columns": {
"col_0": {
"mapping": {
"
浏览 0提问于2019-09-11得票数 2
我正在学习如何在Keras中使用LSTM模型。我看过这个和这个，我想以多对多的方式训练一个模型，但在测试时使用stateful=True的一对多的方式进行预测。我不确定我是否在正确的轨道上。
我有一个由10,000个人组成的数据集，每个人都有20个时间步和10个特征的序列。我想训练一个LSTM模型来预测下一个时间步中的5个特征，使用90-10训练和测试拆分，我的train_x被整形(9,000，20，10)，我的train_y被整形(9,000，20，5)，y中的值是下一个时间步中所选特征的值。我的test_x是形状的(1,000，20，10)。
在测试时，我想使用经过训练的模型，仅使用序列开
浏览 41提问于2018-12-03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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
