错误:检查输入时出错: dense_Dense1_input应具有3个维度。但是得到了形状为1,9的数组
。
这个错误提示表明在模型训练或推理过程中，输入的数据维度不符合模型的要求。模型中的dense_Dense1_input层要求输入数据具有3个维度，但实际输入的数据形状为1行9列的数组。
解决这个问题的方法取决于具体的情况，以下是一些可能的解决方案：
- 检查输入数据的维度：确保输入数据的维度与模型的要求相匹配。如果模型要求输入数据具有3个维度，可以尝试调整输入数据的形状，使其符合要求。
- 检查模型的输入层：确认模型的输入层是否正确设置。可能是在模型定义或配置中出现了错误，导致输入层的维度与实际输入数据不匹配。
- 检查数据预处理过程：如果在输入数据之前进行了数据预处理，例如归一化或标准化，确保预处理过程没有改变数据的维度。
- 检查模型的结构：检查模型的结构，确保每一层的输入和输出维度都正确连接。可能是在模型的某一层中出现了错误，导致输入维度与期望不符。
- 检查训练过程：如果是在训练过程中出现了该错误，可以检查训练数据的标签是否正确对应。可能是在训练数据准备或标签处理过程中出现了错误，导致输入数据与标签不匹配。
总之，要解决这个错误，需要仔细检查输入数据、模型结构、数据预处理和训练过程，确保它们之间的一致性和正确性。如果问题仍然存在，可能需要进一步调试和排查其他可能的错误来源。
相关·内容
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
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
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
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
简单的问题和我确定的答案很简单，但我真的很难将模型形状与张量匹配到模型中。
这段简单的代码
let tf = require('@tensorflow/tfjs-node');
let features = {
x: [1,2,3,4,5,6,7,8,9],
y: [1,2,3,4,5,6,7,8,9]
}
let tensorfeature = tf.tensor2d(Object.values(features))
console.log(tensorfeature.shape)
浏览 11提问于2020-03-06得票数 2
回答已采纳
1回答
多输入角化模型
、、、
我试着用Keras做一个简单的hello世界，然后卡住了。在开始的时候，我有一个层，有一个输入和一个输出，它在直线近似下工作得很好;)
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import RMSprop
from keras.losses import mean_squared_error
mo = Sequential()
d = Dense(1, input_shape=(1,))
mo.add(d)
mo.sum
浏览 2提问于2018-07-14得票数 0
回答已采纳
1回答
嗨，对于我推荐的电影，我使用TF-IDF，但我有一个形状错误。
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(analyzer='word', ngram_range=(1, 2), min_df=0, stop_words='english')
tfidf_matrix = tfidf.fit_transform(X_train.summary)
tfidf_matrix.shape
OutPut：
(3933, 56162)
然后：
f
浏览 2提问于2020-04-27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
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
这是我在MNIST数据集上使用卷积神经网络的代码。不幸的是，Keras在浏览网络时会提示错误。非常感谢您的帮助。我想知道这些错误的原因。 这是错误:检查输入时出错:预期conv2d_4_input具有4维，但得到形状为(45000，28，28)的数组 model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28,28, 1), padding= 'same'))
model.add(layers.MaxPooling2D((2
浏览 16提问于2019-06-14得票数 1
我试着用Keras建立一个CNN模型。这是我的代码：
import keras
import tensorflow as tf
from keras.layers import Dense
from keras.models import Sequential
from keras.models import load_model
from keras.callbacks import EarlyStopping
from sklearn.model_selection import train_test_split
from __future__ import print_functio
浏览 1提问于2019-11-07得票数 0
回答已采纳
1回答
我正在尝试训练一个密集的图像网络。 列车集形状将返回： train_X.shape
(26032, 32, 32) 网络架构是： def get_model(input_shape):
model = Sequential([
Dense(16, activation='relu', input_shape=(input_shape[1],input_shape[2],1)),
Dense(8, activation='relu'),
Dense(64, activation='relu'),
Flatt
浏览 23提问于2020-12-02得票数 0
我需要帮助理解我是如何被允许重塑我的LSTM输入数据。首先，我的时间序列数据以Pandas数据框架的形式出现：
它的形状如下：(36356, 9)。我将数据分解为火车和测试集，例如：X_train.shape = (29084, 7)、X_test.shape = (7272, 7)、y_train.shape = (29084,)和y_test.shape = (7272,)。
问题1:我知道我必须把二维X-数据重新塑造成三维(samples/rows, timesteps, features)。但我是不是也要把y-数据重塑成3D呢？
问题2:对于X-数据和y-数据，我知道它们的二
浏览 3提问于2020-10-04得票数 0
回答已采纳
这个问题在这里已经有答案了 ： Numpy从np.argmin索引获取值[重复] (1个答案) 两天前就关门了。 我想沿着给定的轴在一个秩为3的数值数组中找到最小值的位置。我是通过以下方式获得这些位置的 然而，我不确定如何将其“应用”到原始矩阵以获得实际的最小值。 例如： import numpy as np
a = np.random.randn(10, 5, 2)
min_loc = a.argmin(axis = 0) # this gives an array of shape (5, 2) 现在，问题是我如何得到实际的最小值 什么？我试过了 ，这给了我一个形状 ..。这个形
浏览 28提问于2021-02-28得票数 2
回答已采纳
我是一个刚开始学习深度学习的学习者。我刚开始使用Keras。我想实施SRCNN。当我尝试导入图片来测试模型时，就会出现这个问题。
问题：
ValueError:检查输入时出错:期望conv2d_1_input有4个维度，但得到了形状为(80,120，3)的数组
我的代码如下：
from PIL import Image
import numpy as np
from keras import Sequential
from keras.layers import Conv2D, Activation
input_image = Image.open('../../res/im
浏览 0提问于2019-03-05得票数 0
回答已采纳
我有一个维度为(80,80,2900)的医学成像数据集，每个图像都是80*80。首先，我加载数据的mat文件，如下所示： data = loadmat('cardiac-dig.mat')
images_LV = np.array (data['images_LV'])
val_data_size = 500
valid_images = images_LV[:,:,:val_data_size]
train_images = images_LV[:,:,val_data_size:]
valid_masks = masks[:,:,:val_data_si
浏览 12提问于2020-04-08得票数 0
当我试图在一个带有conv1d层的网络中计算Xw.r.tY的梯度时，我得到的消息是“来自维度3、0、C的无效索引”，进程就会停止。
最小工作实例：
import numpy as np
from tensorflow.python.keras import models
from tensorflow.python.keras import layers
from tensorflow.python.keras import backend as K
inp = layers.Input(shape=(10, 20,))
conv = layers.Conv1D(filters=10, k
浏览 0提问于2019-04-19得票数 0
回答已采纳
我正在使用Keras的深层Q学习代理之一: DQNAgent。当我将环境传递到DQNAgent.fit中时，会收到以下错误：
**3 dqn.fit(env，nb_steps=50000，visualize=False，verbose=1)**
/usr/local/lib/python3.7/dist-packages/tensorflow/python/keras/engine/training_utils_v1.py in standardize_input_data(数据、名称、形状、check_batch_axis、exception_prefix)
655 '：期望‘+
浏览 4提问于2021-06-30得票数 1
2回答
向LSTM网络Keras输入数据
、、、、
我有10个数组。它们每个代表一个数据点(输入)。阵列的形状为(16,3)，(34,3)等。由于LSTM需要3 3dim数据，所以我重新塑造了这10个数组中的每一个。例子:如果是(16,3)现在是(1,16,3)。我试着得到((1,16,3)，(1,34,3)等等)作为我的数组形状，换句话说，在一个numpy数组中有10个数组，每个数组都是形状(1，东西，3)。当我将所有10个数组作为一个输入数据时，我会得到以下错误：
检查模型输入时出错: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1个数组，但却得到了以下10个数组的列表。
但是，如果我给其中一个数组添加一个标签，它
浏览 0提问于2019-02-09得票数 1
回答已采纳
我使用keras训练了模型，并且在尝试用原始文本数据预测值时，使用keras情感分析从SQL server获取原始数据。
这是我的密码
x_data = [clean_text]
x_data_series = pd.Series(x_data)
raw_text = tokenizer.texts_to_sequences(x_data_series)
raw_text = pad_sequences(raw_text, maxlen=1, dtype='int32', value=0)
for x_t in raw_text:
sentiment = model.pre
浏览 0提问于2020-02-13得票数 0
我在Keras中训练了一个输入维为15和输出维为1的模型，然后尝试预测单个输入np.array的输出，我选择了一个玩具示例np.arange(15)。但是，输入不被接受。有人能告诉我问题出在哪里吗？下面是一个简化问题的代码：
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
X = np.arange(15)
Y = 0
model = Sequential()
model.add(Dense(32, input_dim=15, activation='relu&#
浏览 0提问于2018-10-19得票数 0
1回答
你好，我有一个叫做tfidf2的矩阵，这个矩阵的形状是( 11159,1985年)，它有11159行和1985年的列，我想把一个新的矩阵连接到这个矩阵，这个矩阵叫做datesNumpy，它的形状是(11159，12)，它们有相同的行数，所以可以连接它，新矩阵的形状应该是tfidf3 (11159,1997年)，
import numpy as np
tfidf2 = tdf.transform(list_cluster)
print("Shape tfidf2",tfidf2.shape)
listAux=[]
for l in listMonth:
listA
浏览 3提问于2016-12-27得票数 1
回答已采纳
我试图基于GTSRB数据集(下面提供的链接)建立一个CNN模型，但我面临以下错误：
当我设置input_shape = input_shape=(3，IMG_SIZE，IMG_SIZE)时，会得到以下错误：
ValueError:检查输入时出错:期望conv2d_34_input有4个维度，但得到了形状为(9030，1)的数组
当我研究这个问题时，我发现一个解决方案可能是将batch_size作为参数传递，当我尝试时，我会得到以下错误：
ValueError:输入0与conv2d_40层不兼容:预期的ndim=4，找到ndim=5
当我试图重塑training_images时，
浏览 0提问于2018-10-24得票数 0
回答已采纳
1回答
动态广播numpy数组
、、、
我目前有一个需要对数组x执行逐个元素乘法的一维numpy数组epsilons。然而，x的维度是动态的，并且随着以下for循环的每次迭代而变化：
for x in grads:
x = x * epsilons
print(grad)
epsilons的形状始终为(M,)。但是，对于第一次迭代，x的形状为(M,4,2)，而对于第二次迭代，它的形状为(M,4) (随着代码在grads上迭代，x的形状会发生变化)。有没有一种方法可以自动将epsilons广播到x的形状，这样我就可以对任何形状的x执行这种按元素相乘
浏览 1提问于2021-04-13得票数 1
我得到了一个错误：
ValueError:在检查输入时出错:期望dense_27_input具有形状(20 )，但得到了形状数组(3495，)
这是我的代码：
import pandas as pd
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Input, Dense
from keras.layers import Flatten
from sklearn.preprocessing import Stan
浏览 5提问于2020-03-30得票数 0
我用Keras创建了一个Conv1D模型，并在培训期间使用了一个ValueError。我不太明白模特在哪里出了问题。
我试图将数据形状修改为(3780,6,1)，但仍然提示我conv1d_46_input具有三维，但得到了与形状(3780，6)相同的数组。
def baseline_model():
model = models.Sequential()
model.add(layers.Conv1D(1, 5, input_shape=(6,1), activation="tanh"))
model.add(layers.MaxPool1D(pool_
浏览 0提问于2019-08-09得票数 0
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
我是Keras的新手(对TF来说也是如此)，但是我发现输入层的形状定义非常混乱。
因此，在示例中，当我们有长度为20的一维向量作为输入时，形状定义为
...Input(shape=(20,)...)
当需要为定义灰度图像的2D张量时，它被定义为：
...Input(shape=(28, 28, 1)...)
所以我的问题是为什么张量不被定义为(20)和(28, 28)？为什么在第一种情况下，第二个维度被添加并保持为空？同样在第二，必须定义频道的数量？
我知道这取决于层，所以Conv1D，稠密还是Conv2D都有不同的形状，但是第一个参数似乎是隐式的？
根据的说法，密集需求是(batch_siz
浏览 4提问于2017-09-10得票数 4
回答已采纳
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
图像(50x50)
model =Sequential()
model.add(Conv2D(64,3,3,input_shape=(50,50,1)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Conv2D(64,3,3,input_shape=(50,50,1)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flat
浏览 9提问于2019-07-26得票数 0
回答已采纳
我正在尝试第一时间的神经网络和keras，我有点困惑于它所期望的维度。我确信我的X_train和y_train数据是相同维度的，X_test和y_test数据也是相同维度的，但是我从keras那里得到了这个错误：
检查输入时出错:期望dense_38_input具有二维，但得到形状为(1,512,512,186，1)的数组
我尝试过用(-1，2)重新构造训练和验证数据集，以匹配它所期望的2维，但这不起作用，我也不知道为什么。
这是我正在尝试的训练模式。
num_classes = 2
input_shape = (512, 512, 186, 1)
model = Sequenti
浏览 1提问于2019-05-17得票数 0
1回答
我想要定义我自己的加法运算符，它取一个Nx1向量(称为A)和一个1xN向量( B )，使得I^第一行和j^th列中的元素是A中的i^th元素和B中的j^th元素之和。
我能够为函数编写以下代码(据我所知，它是正确的)。
def test_fn(a, b):
a_len = a.shape[0]
b_len = b.shape[1]
prod = np.array([[0]*a_len]*b_len)
for i in range(a_len):
for j in range(b_len):
prod[i, j] =
浏览 0提问于2018-04-17得票数 0
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
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
1回答
我有一个4d的数据结构(时间，水平，拉特，隆)，我试图插值。为了做到这一点，我需要将一个额外的经度值添加到数据的末尾，其值与第一个经度相同。这将允许我使用的插值方法在较高的经度值(例如359)正确地插值。
目前，数据具有维度(64,70,64,128)，需要使其具有维度(64,70,64,129)，其中最后一个经度的值与第一个经度的值相同。
以下是我迄今所尝试过的，
data = np.concatenate((data, data[:,:,:,0]), axis = 3)
和
data = np.append( data, data[:,:,:,0],axis = 3)
不管我得到了什么
V
浏览 3提问于2016-12-06得票数 1
回答已采纳
2回答
我有一个形状为(10，)的数组，该数组的每个元素都包含另一个形状为(9,9,1)的数组。如何提取内部数组，以便最终的数组具有形状(10,9,9,1)。
目前，该数组如下所示：
array([array(...), array(...), ...])
浏览 1提问于2020-06-25得票数 0
1回答
我想检查两个张量是否具有相同的形状。
假设我有一些这样的张量：
a = tf.placeholder(tf.float32, shape=[None, 3])
b = tf.placeholder(tf.float32, shape=[None, 3])
我添加了assert a.shape == b.shape。然而，这失败了，可能是因为没有。实际上，a.shape = (?, 1)，b.shape也是(?, 1)。它们在我看来是一样的。
如果没有None，则可以正常工作。
a = tf.placeholder(tf.float32, shape=[1, 3])
b = tf.placeho
浏览 2提问于2017-03-01得票数 3
回答已采纳
4回答
所以我试图将两个np数组附加在一起，但它给了我这个错误，ValueError: all the input arrays must have same number of dimensions, but the array at index 0 has 2 dimension(s) and the array at index 1 has 1 dimension(s)，我知道这意味着数组的形状不一样，但我不知道为什么和如何修复它。
arr1 = np.array([
[10.24217065 5.63381577]
[ 2.71521988 -3.33068004]
[-3.43022
浏览 307提问于2020-06-06得票数 1
这是我的代码：
used_time_period = "2009-01-01::2017-04-01"
data_used = data_input[used_time_period,]
split_coefficient = 0.8
train_set_rate = round(nrow(data_used) * split_coefficient)
data_train = data_used[1:train_set_rate,]
data_test = data_used[(train_set_rate + 1):nrow(data_used),]
model
浏览 0提问于2018-07-18得票数 0
回答已采纳
我试图从另一个带有索引的ndarray中获取值，但是我一直得到这个错误
IndexError数组的索引太多了。
我试图从scores获取值的数组有scores.shape = (10,10000)，指向索引的数组indices有indices.shape = (10000,2)
我试着用这种方式来获得价值：
values = scores[tuple(indices)]
但这就是我得到错误的地方。
我试图这样做的是访问几个单独的分数值，例如，在另一个数组中的scores[0,6], scores[1,9]，所以我得到了类似的东西
[scores[0,6],scores[1,9],...
浏览 2提问于2016-02-18得票数 1
回答已采纳
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
1回答
我正在尝试对CSV文件中的数值数据集应用CNN，但我在尺寸方面遇到了问题。我的数据集由26个特征/列和1200行/样本组成。数据集有3个标签。
Dataset = pd.read_csv("...", header=0)
features = ['...']
x = Dataset [features]
y = Dataset .Classifier
sc = PowerTransformer()
x = sc.fit_transform(x)
x_train, x_test, y_train, y_test = train_test_split(x, y,
浏览 2提问于2020-10-05得票数 0
1回答
我正在挖出一段代码，有一行我一点也不懂：
W[:, :, None] * h[None, :, :] * diff[:, None, :]
其中W、h和diff为784×20、20x100和784×100矩阵。乘法结果是784x20x100数组，但我不知道这个计算实际上做了什么，结果的意义是什么。
值得注意的是，这条线来自机器学习相关代码，W对应于神经网络层的权值数组，h是层激活，diff是网络目标和假设的区别(从到自动编码器转换)。
浏览 3提问于2015-04-04得票数 3
回答已采纳
1回答
作为我对Numpy的练习的一部分，我尝试了以下代码。
import numpy as np
inputAttributes = 32
outputAttributes = 64
noOfElements = 3
inputData = np.random.random((noOfElements, inputAttributes))
weights = np.random.random((outputAttributes, inputAttributes))
extrawegiths = np.random.random((outputAttributes, outputAttrib
浏览 1提问于2018-11-08得票数 0
来自以下片段：
>>> palette = np.array( [ [0,0,0], # black
... [255,0,0], # red
... [0,255,0], # green
... [0,0,255], # blue
... [255,255,255] ] ) # wh
浏览 3提问于2020-01-07得票数 1
回答已采纳
“我想通过keras.model解决一个分类问题，但是在运行model.fit之后，我遇到了一个维度错误。我运行了以下代码：”
print(X_train.shape)
print(y_train.shape)
“产出：”
(2588, 39436)
(2588, 6)
model = keras.Sequential(
[
keras.Input(shape=(39436,1)),
layers.Conv1D(32, kernel_size=3, strides=5, activation="relu"),
layer
浏览 4提问于2020-09-03得票数 0
回答已采纳
我有一个数据集，看起来像：
emotion images
0 0 [[70, 80, 82, 72, 58, 58, 60, 63, 54, 58, 60, ...
1 0 [[151, 150, 147, 155, 148, 133, 111, 140, 170,...
2 2 [[231, 212, 156, 164, 174, 138, 161, 173, 182,...
3 4 [[24, 32, 36, 30, 32, 23, 19, 20, 30, 41, 21, ...
4 6 [[4, 0, 0, 0
浏览 0提问于2018-09-12得票数 1
我正在尝试将SKLearn Tfidfvectorizer与Keras结合使用，但我遇到了以下错误: Exception:检查模型输入时出错:期望dense_input_1具有形状(None，126)，但得到具有形状(700,116)的数组
我知道这与矩阵的形状有关，但我不知道如何解决它。
vectorizer = TfidfVectorizer(analyzer=self.identity, use_idf=True, max_features=2000)
#a list of sentences
x_train_vec = vectorizer.fit_transform(x_train
浏览 21提问于2017-01-18得票数 3
回答已采纳
1回答
我已经查看了现有的q&a来解决这类问题，但无法完全解决它。当我使用VGG模型拟合我的图像分类器模型时，我得到了以下错误消息：
检查输入时出错:要求input_1具有4维，但得到具有形状的数组(None，None，224,224，3)
以下是我到目前为止使用的代码：
!wget -qq https://www.dropbox.com/s/9gc4fr1uiveedn6/simpsons.zip?dl=0
!unzip -qq simpsons.zip?dl=0
!rm simpsons.zip?dl=0import glob
import pandas as pd
filenames_
浏览 0提问于2019-03-30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
实时音视频活动推荐
腾讯云开发者
