Keras形状'ValueError‘
基础概念
Keras 是一个高层神经网络 API，它能够以 TensorFlow、CNTK 或 Theano 作为后端运行。在 Keras 中，形状（shape）是指张量（tensor）的维度结构。例如，一个形状为 (3, 4) 的张量表示一个 3 行 4 列的矩阵。
相关优势
- 易用性：Keras 提供了简洁的 API，使得构建和训练神经网络变得非常容易。
- 模块化：Keras 模型由层（layers）组成，每层都是独立的模块，可以轻松地组合和重用。
- 灵活性：Keras 支持多种后端，用户可以根据需要选择最适合的后端。
类型
Keras 中的形状错误通常是由于输入数据的形状与模型期望的形状不匹配引起的。常见的形状错误包括：
- 输入层形状不匹配：输入数据的维度与模型定义的输入层形状不一致。
- 层间形状不匹配：某一层的输出形状与下一层的输入形状不一致。
- 数据预处理错误：数据预处理过程中，数据的形状被错误地修改。
应用场景
Keras 广泛应用于各种深度学习任务，包括但不限于：
- 图像分类
- 自然语言处理
- 语音识别
- 时间序列预测
常见问题及解决方法
问题描述
在 Keras 中，常见的形状错误是 ValueError，通常是由于输入数据的形状与模型期望的形状不匹配引起的。
原因分析
- 输入数据形状不匹配：例如，模型期望的输入形状是
(None, 28, 28, 1)，但实际输入数据的形状是(None, 28, 28)。 - 层间形状不匹配：例如，卷积层的输出形状与池化层的输入形状不匹配。
- 数据预处理错误：例如，在图像数据预处理过程中，数据的形状被错误地修改。
解决方法
- 检查输入数据形状：
- 检查输入数据形状：
- 检查层间形状匹配：
- 检查层间形状匹配：
- 正确预处理数据：
- 正确预处理数据：
参考链接
通过以上方法，可以有效解决 Keras 中的形状 ValueError 问题。
相关·内容
1回答
我已经在互联网上搜索了几天，试图找到一个解决这个错误的方法，但我找不到的任何东西都是特别适用的：
ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)
下面是生成错误的代码(数据预处理除外)：
model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'),
keras.laye
浏览 3提问于2018-12-08得票数 0
回答已采纳
1回答
我正在成功地从文件中加载一个模型，当我试图预测任何形状(480 )的输入的输出时，我得到的ValueError如下所示：
ValueError:层sequential_1的输入0与层不兼容:输入形状的期望轴-1具有值480，但接收到的输入具有形状(32，1)。
我正在使用的代码
import numpy as np
from keras.models import load_model
model = load_model("my_model.h5")
sample = np.zeros((480,))
model.predict(sample)
你知道为什么会发生这种事
浏览 2提问于2021-04-16得票数 0
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
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
我们正在尝试使用Google Colab TPU构建一个图像分割深度学习模型。我们的模型是Mask R-CNN。
TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR']
import tensorflow as tf
tpu_model = tf.contrib.tpu.keras_to_tpu_model(
model.keras_model,
strategy=tf.contrib.tpu.TPUDistributionStrategy(
tf.contrib.cluster_resolver.TPUCl
浏览 0提问于2018-10-17得票数 3
1回答
输出层的形状总是(1，)
、、、
我正在尝试做一个简单的Keras模型。但是，不管我指定的输出形状是什么，输出层总是形状(1,)，所以由于输出层和目标数据形状不匹配，所以不能训练我的模型。
import keras
from keras.models import Sequential
from keras.layers import InputLayer, LSTM, Dense
# 63 is the number of unique characters
# 128 is the length of a sequence of characters
X = ... # X is an one-hot ndarray;
浏览 6提问于2019-09-23得票数 0
回答已采纳
1回答
输入图层的形状
、、、
在我的Keras模型中，我不知道应该输入什么作为输入层的形状。该模型在具有12288个样本的1080个向量上进行训练。
我有以下输入形状：
X_train shape: (12288, 1080)
Y_train shape: (6, 1080)
X_test shape: (12288, 120)
Y_test shape: (6, 120)
layers_dims =[12288,64,64,64,6]
并拥有NN：
def net_model(X_train, Y_train, X_test, Y_test, batch_size=32):
model.add(keras.laye
浏览 32提问于2018-08-26得票数 1
回答已采纳
我正试着用CNN训练一些数据。
x_train.shape
(67197, 99, 81, 1)
y_train.shape
(67197, 12)
并尝试使用Keras的Resnet方法
import keras
import keras_resnet.models
input_shape = (98,81,1)
nclass = 12
x = keras.layers.Input(input_shape)
model = keras_resnet.models.ResNet50(x,classes=nclass)
model.comp
浏览 0提问于2017-12-29得票数 0
我加载了保存的模型，并且出于精益求精的原因，我在加载模型的输出中添加了分类层，因此我编写了以下内容：
def create_keras_model():
model = tf.keras.models.load_model('model.h5', compile=False)
resnet_output = model.output
layer1 = tf.keras.layers.GlobalAveragePooling2D()(resnet_output)
layer2 = tf.keras.layers.Dense(units=256, u
浏览 2提问于2020-10-09得票数 3
我的代码中出现了以下错误：
ValueError: Input 0 of layer "sequential_3" is incompatible with the layer: expected shape=(None, 4, 3), found shape=(None, 3
`
我的代码是
import numpy as np
import tensorflow as tf
inum = np.array([[1,1,2],[2,25,6],[32,4,7],[8,9,0]], dtype="float")
onum = np.array([3,56
浏览 4提问于2022-10-29得票数 0
我仍然试图了解shape=的keras.Input()论点--为了测试目的，我尝试执行最简单的虚拟网络和输入：
import keras
import numpy as np
def build_model(shape):
f_input = keras.Input(shape=(shape[1],)) # (100,)
d1 = keras.layers.Dense(50, activation='tanh')(f_input)
softmax = keras.layers.Dense(10, activation='softmax'
浏览 0提问于2020-08-24得票数 0
回答已采纳
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我建立了一个模型，其中包括一个预先学习的模型，然后是一些层，并添加到最后。一切运行良好，我可以在我的数据集上训练模型，并将经过训练的模型保存到文件中。但是，当我试图加载保存的模型时，我会得到以下错误。我得到，这指向密集的层形状是未定义的。但是，在训练之前，我将输入的形状指定给模型，并确保得到的致密层将具有预定的形状。不知道如何解决这个问题
这就是设计的模型
import tensorflow as tf
from tensorflow.keras.utils import Sequence
from tensorflow.keras.applications.vgg16 import VGG1
浏览 2提问于2020-11-17得票数 0
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
我有一些数据集有两个类。当我尝试使用某些度量标准时--例如，、、、或-I--得到一个类似于以下内容的错误：
ValueError: Shapes (None, None, None, 2) and (None, 1) are incompatible.
我想我可以使用并为PR和ROC写我自己的AUC。但说真的我只上了两节课。AFAIK，两个类等于一个类。
如何将我的my记录折叠成一个类？
要完整地完成，以下是重新创建此错误的完整工作示例，从导入、全局和争论开始：
from tempfile import mkdtemp
from os import path, mkdir
from shut
浏览 5提问于2020-12-22得票数 0
我正在使用创建一个Python服务器，以服务于Kaggle玻色子数据集上训练的Keras神经网络的结果。我在服务器的日志中得到了这样的信息：
# print(data)
[ 0.86929321 -0.63508183 0.22569026 0.32747006 -0.6899932 0.75420225
-0.24857314 -1.0920639 0. 1.37499213 -0.65367419 0.93034911
1.10743606 1.13890433 -1.57819831 -1.04698539 0. 0.6579
浏览 0提问于2018-03-14得票数 0
回答已采纳
1回答
如何与自己在角化？
、、、
我试图使用tensorflow后端将一个keras变量与其自身进行转换，但它抛出了一个错误："ValueError: len(dilation_rate)=2，但应该是0“。
我要运行的代码是
import keras.backend as K
import numpy as np
sess = K.get_session()
t = K.variable(np.arange(9).reshape(3, 3).astype(np.float32))
convs = K.conv2d(t, t, padding='valid')
a = sess.run(convs)
浏览 4提问于2017-09-09得票数 1
回答已采纳
我一直在使用Keras (Version1.1.1) LSTM和Theano作为后端，没有任何问题。现在，我想切换到Tensorflow (0.8.0版)，无法获得一个简单的示例来工作。这个问题可以归结为以下从复制的代码片段。
from keras.layers import LSTM
import tensorflow as tf
my_graph = tf.Graph()
with my_graph.as_default():
x = tf.placeholder(tf.float32, shape=(None, 20, 64))
y = LSTM(32)(x)
在执
浏览 4提问于2016-11-23得票数 0
1回答
我尝试从我的LSTM模型中预测一个结果
我的模型有n_features = 32和time_step = 100，代码如下
model = tf.keras.Sequential([
tf.keras.layers.InputLayer( input_shape=(time_step , n_features)),
tf.keras.layers.LSTM(64),
tf.keras.layers.Dense(1)]
)
我使用生成器训练我的模型
generator = TimeseriesGenerator(x_feature,y_target,length=time_st
浏览 0提问于2020-03-21得票数 0
我不知道如何将PyTorch方法adaptive_avg_pool2d转换为Keras或TensorFlow。有人能帮忙吗？PyTorch方法
adaptive_avg_pool2d(14,[14])
我尝试使用平均池，在Keras中重新构造张量，但得到了错误：
ValueError:新数组的总大小必须保持不变
浏览 4提问于2018-10-03得票数 4
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
2回答
分裂数据的神经网络
、、、
我已经把图像样本分成70%的训练和30%的测试。
#using this for question one with neural network
originaldata_train, originaldata_test, targetoriginaldata_train, targetoriginaldata_test = train_test_split(originalrepo,
target, test_size=0.3,
浏览 25提问于2022-04-19得票数 1
回答已采纳
我试图使用斯坦福狗数据集来练习使用图像增强和创建图像分类器。当我训练我的模型时，我总是会犯错误。
我认为我的问题可能与我如何在规范化函数中调整图像大小有关。
以下是代码：
import tensorflow as tf
import tensorflow_datasets as tfds
import tensorflow_hub as hub
from tensorflow.keras import layers
tfds.disable_progress_bar()
import os
import matplotlib.pyplot as plt
import matplotlib.p
浏览 14提问于2022-11-13得票数 0
2回答
我正在使用创建一个学习图形的模型。下面是代码(来自存储库)：
import numpy as np
from keras_gcn.backend import keras
from keras_gcn import GraphConv
# feature matrix
input_data = np.array([[[0, 1, 2],
[2, 3, 4],
[4, 5, 6],
[7, 7, 8]]])
# adjacency matrix
i
浏览 10提问于2019-11-29得票数 0
回答已采纳
1回答
我是机器学习和Keras方面的新手。事实上，我曾与scikit合作-学习，但Keras似乎有点复杂。我的问题是，我有一些3D数据，并希望将其放入一个密集的层(我也尝试过使用Conv2D和Conv1D层)。我所做的如下：
arr1 = np.random.random((30,2))
arr2 = np.random.random((30,2))
arr3 = np.random.random((30,2))
arr4 = np.random.random((30,2))
arr5 = np.random.random((30,2))
arr6 = np.random.random((30,2)
浏览 0提问于2018-02-06得票数 4
回答已采纳
1回答
我正在运行keras模型，但它显示形状错误，尽管我确实检查了形状，但它是正确的。
predict = model.predict(sequences_matrix)
它显示了错误：
ValueError: Error when checking input: expected Inputs to have shape (150,) but got array with shape (1,)
当我检查它的形状时，它显示了正确的形状：
sequences_matrix.shape
输出为：
(150,)
浏览 0提问于2020-08-09得票数 1
利用AlexNet+LSTM对央视考试中的作弊行为进行人工识别
我的数据是像这样的类文件夹中的原始图像
但我犯了这样的错误
ValueError:在用户代码中：
/usr/local/lib/python3.7/dist-packages/keras/engine/training.py:830 train_function *
return step_function(self, iterator)
/usr/local/lib/python3.7/dist-packages/keras/engine/training.py:813 run_step *
outputs
浏览 9提问于2021-06-27得票数 0
回答已采纳
我正在对1000个分子进行二进制分类，并以微笑作为输入。我的数据集来自<moleculenet.org>，生物物理学的艾滋病病毒数据。我首先给他们做了标记，然后给他们做了衬垫。
data = slice(1000)
data1 = df[data]
tokenizer = tf.keras.preprocessing.text.Tokenizer(
vocab_size, filters="", char_level=True)
tokenizer.fit_on_texts(data1.smiles)
seqs = tokenizer.texts_to_sequen
浏览 38提问于2021-12-12得票数 0
回答已采纳
例如，我有这样的代码：
import numpy as np
import cv2 as cv
import tensorflow as tf
data = [2.78,1.78]
y = [1]
img = cv.imread("path/to/image")
data.append(img)
data_array = np.array(data)
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(128, input_shape=(3,), activation='relu'),
浏览 3提问于2021-06-28得票数 1
回答已采纳
我一直在获取与输入形状相关的错误。任何帮助都将不胜感激。谢谢!
import tensorflow as tf
(xtrain, ytrain), (xtest, ytest) = tf.keras.datasets.mnist.load_data()
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(16, kernel_size=3, activation='relu'),
tf.keras.layers.MaxPooling2D(pool_size=2),
tf.keras.layers.
浏览 6提问于2020-08-06得票数 21
回答已采纳
1回答
我正在尝试用cifar-10训练一个模型。但是，当我调用fit函数时，出现了一个值错误。我做错了什么，请帮帮我。
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.datasets.cifar10 import load_data
import numpy as np
import matplotlib.pyplot as plt
tf.keras.datasets.cifar10.load_data()
(x_train,y_train),(x_test,y_test)=tf.kera
浏览 1提问于2020-04-26得票数 0
我的模型定义是：
inputs = keras.Input(shape=(28,28))
dense = keras.layers.Dense(64, activation="relu")
x = dense(inputs)
x = keras.layers.Dense(64, activation="relu")(x)
outputs = keras.layers.Dense(10)(x)
model = keras.Model(inputs=inputs, outputs=outputs, name="mnist_model")
我将使用以下
浏览 3提问于2020-12-28得票数 0
我的LSTM代码如下：
def myLSTM(i_shape, o_shape):
input = keras.layers.Input(i_shape)
model = Sequential()
x = keras.layers.LSTM(128, return_sequences = True, input_shape = (x_train.shape[1], 1))(input)
x = keras.layers.Dropout(0.2)(x)
x = keras.layers.LSTM(128, return_sequences = True)(
浏览 28提问于2021-03-06得票数 0
2回答
本质上，我希望通过Keras模型传播数据，而不首先训练Keras模型。我尝试使用预测()和在模型中加入原始张量。
数据是一个形状(3，3)的二维Numpy float64数组，完全由零填充。
模式本身概述如下：
inputs = keras.Input(shape=(3,), batch_size=1)
FFNNlayer1 = keras.layers.Dense(100, activation='relu')(inputs)
FFNNlayer2 = keras.layers.Dense(100, activation='relu')(FFNNlayer1)
浏览 10提问于2022-03-24得票数 0
回答已采纳
1回答
我正在构建一个小型CNN+RNN网络，如下所示。
batch_size=2048
visible = Input(shape=(batch_size,251))
embed=Embedding(58, 50)(visible)
x1=keras.layers.Conv1D(92,50,activation='relu')(embed)
x2=keras.layers.GRU(224, return_sequences=True)(x1)
x3=keras.layers.GRU(284)(x2)
predictions=Dense(1, activation='
浏览 2提问于2018-12-03得票数 0
1回答
我现在有点迷茫，试图使用Keras Functional API将我自己的模型层和VGG16模型中的层合并到一个新模型中。我需要在自定义图层的block3_pool之后添加新的图层。将使用8个类(Fashion Mnist)。所有图像都从28x28放大到32x32。这就是我所走的路：
# VGG16 Model
vgg_model = VGG16(include_top=False, weights='imagenet', input_shape=(32, 32, 3), classes=8)
vgg_model.save_weights('vgg.model'
浏览 0提问于2020-11-27得票数 0
1回答
我是使用keras的神经网络新手，我有以下的训练样本输入形状(150528,1235)和输出形状是(154457,1235)，其中1235是训练示例，如何放置输入形状，我尝试了下面，但给了我一个
ValueError: Data cardinality is ambiguous:
x sizes: 150528
y sizes: 154457
Please provide data which shares the same first dimension.
代码：
import tensorflow as tf
from tensorflow import keras
from te
浏览 0提问于2021-01-26得票数 1
回答已采纳
1回答
我是keras的新用户，并试图实现LSTM模型。对于测试，我声明模型如下，但由于输入维度的不同，它失败了。虽然我在这个网站上发现了类似的问题，但我自己找不到自己的错误。
ValueError:
Error when checking model input:
expected lstm_input_4 to have 3 dimensions, but got array with shape (300, 100)
我的环境
python 3.5.2
keras 1.2.0 (Theano)
代码
从keras.layers导入输入，从keras.models导入顺序从k
浏览 1提问于2017-03-12得票数 3
回答已采纳
1回答
我试图加载一个预先训练的嵌入模型，但无论我给出什么形状，我都找不到输入的形状。这似乎是一个非常流行的选择，但我在tensorflow集线器页面上找不到使用什么输入形状的任何指示符。输入序列应该有可变长度，所以我使用无输入形状.Keras自动提供批处理大小。
embedding_url = 'https://tfhub.dev/google/universal-sentence-encoder-large/5'
embedding_layer = hub.KerasLayer(embedding_url)
premises = tf.keras.Input(shape=(No
浏览 1提问于2020-09-03得票数 1
回答已采纳
1回答
我正在使用mnist数据集(数字)，并希望实现均方错误丢失函数，但是我有以下错误：
ValueError:一个形状为(60000，1)的目标数组被传递给形状输出(无，10)，同时用作丢失的mean_squared_error。此损失期望目标具有与输出相同的形状。
这是我的代码:最初，我尝试了从：修改的sparse_categorical_crossentropy代码
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test,y_test) = mnist.load_data()
浏览 0提问于2019-10-27得票数 1
1回答
我是TensorFlow的新手，目前使用的是来自Keras的fasion_mnist数据集。当试图让模型适合我的数据时，它抛出了一个值错误，错误如下：ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [32, 28, 28] 我感到困惑的原因是因为图像是28x28和黑白的。我的训练集中有6000个图像。32是从哪里来的，为什么我的形状不对？ 我的完整代码： import tensorf
浏览 34提问于2020-07-29得票数 2
回答已采纳
假设我有两个不同形状的数字数组。
np阵列1形状(300,15111)
np阵列2形状( 50,10465)
我想要衬垫np数组2，以便它匹配15111。我想这样做，因为后者我想连接这两个数组。因此，我的最后一个数组将是形状(350,15111)，即包含来自np数组1+ 50个来自np数组2的300个实例和相同数量的“列”。
我想做以下几点：
raw_inputs = [np array 1, np array 2]
padded_inputs = tf.keras.preprocessing.sequence.pad_sequences(raw_inputs,
padding="
浏览 1提问于2022-08-22得票数 1
回答已采纳
我想用Keras实现CNN模型。我的数据的形状分别为NHW (N，40，4)。你可以看到它是一个大小为40x4的灰度图像。我想跨越内核，它的大小(3，4)刚好在高度轴上，所以它应该计算3整行的结果。正如您所看到的，没有通道(这意味着我有一个3张)，但是Keras Conv2D层需要一个NHWC (4张)的形状。无论如何，我都通过以下命令进行了尝试，但显然会导致一个错误：
tf.keras.layers.Conv2D(8, kernel_size=(3, 4), activation="relu", input_shape=(40, 4)
ValueError:层顺序的输入0与
浏览 2提问于2021-03-17得票数 0
我试图让我的tensorflow模型在两类图像上进行训练，但我遇到了一个ValueError问题。有人能帮帮忙吗。相关代码如下： # Get image arrays and labels for all image files
images, labels = load_data(sys.argv[1])
# Split data into training and testing sets
x_train, x_test, y_train, y_test = train_test_split(
images, labels, test_size=TEST_SIZE
)
# G
浏览 14提问于2020-07-11得票数 0
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
我试图用RNN进行时间序列预测，但是在'input_shape' of keras.layers.SimpleRNN中不断发生错误，
但是我解决不了，所以我想问一个问题。
首先，下面是代码。这是错误消息
ValueError: Input 0 of layer sequential is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 1)
# X_train.shape = (58118,)
# y_train.shape = (58118,)
X
浏览 0提问于2021-08-22得票数 1
回答已采纳
1回答
我有回归问题，大约有20个功能，预期输出是价格(浮动)。我可以使用卷积神经网络来预测价格吗？我使用了一维和二维卷积。 但是我得到了下面的错误， 对于2D，错误是 ValueError:层sequential_4的输入0与layer：：expected min_ndim=4不兼容，找到ndim=2。收到的完整形状：(None，18) 对于1D，错误是 ValueError:层sequential_4的输入0与layer：：expected min_ndim=3不兼容，找到ndim=2。收到的完整形状：(None，18) 我可以使用CNN处理图像以外的数据吗？我在这里错过了什么。请帮帮忙。 下面
浏览 22提问于2020-12-20得票数 1
我有以下网络，运行良好：
left = Sequential()
left.add(Dense(EMBED_DIM,input_shape=(ENCODE_DIM,)))
left.add(RepeatVector(look_back))
但是，我需要用嵌入层替换稠密层：
left = Sequential()
left.add(Embedding(ENCODE_DIM, EMBED_DIM, input_length=1))
left.add(RepeatVector(look_back))
然后，当我使用嵌入层时，我得到了以下错误：
----------------------------
浏览 2提问于2017-11-18得票数 0
回答已采纳
我尝试了以下例子：
from keras.models import Sequential
from keras.layers import *
import numpy as np
x_train = np.random.random((30,50,50,3))
y_train = np.random.randint(2, size=(30,1))
model = Sequential()
#start from the first hidden layer, since the input is not actually a layer
#but
浏览 0提问于2019-06-04得票数 0
回答已采纳
1回答
添加形状不匹配的图层输出
、、、
我正在尝试构建一个V-Net，正如所描述的那样，其中需要包括Add层。但是，当来自Input层的张量的形状在下面的Conv3D层中被修改时，Add层会报告ValueError，因为输出张量的形状不再匹配。Add要求这些形状相同。
在我的例子中：
ValueError: Operands could not be broadcast together with shapes (3, 87, 512, 512) (16, 87, 512, 512)
不幸的是，Add层有一个足够通用的术语，使得在线搜索不会返回相关的匹配结果。
示例代码：
# Assume imports are present
浏览 0提问于2019-11-18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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
