TensorFlow GradCAM - model.fit() - ValueError:形状(None，1)和(None，2)不兼容
TensorFlow GradCAM是一个用于可解释性机器学习的工具，它可以帮助我们理解模型在做出预测时所关注的图像区域。在使用TensorFlow GradCAM的过程中，有时候会遇到ValueError: 形状(None, 1)和(None, 2)不兼容的错误。
这个错误通常是由于模型的输出形状与标签的形状不匹配导致的。在使用model.fit()方法进行训练时，我们需要确保模型的输出形状与标签的形状一致。
解决这个问题的方法是检查模型的输出层和标签的形状是否匹配。如果模型的输出层是一个具有两个输出节点的层，那么标签的形状应该是(None, 2)，其中None表示样本数量的维度可以是任意值。如果标签的形状不正确，可以通过调整标签的形状来解决这个问题。
另外，还可以检查模型的损失函数是否正确。如果模型的输出层是一个具有两个节点的层，那么损失函数应该与之相匹配，例如使用tf.keras.losses.CategoricalCrossentropy()作为损失函数。
推荐的腾讯云相关产品是腾讯云机器学习平台（https://cloud.tencent.com/product/tfml），它提供了丰富的机器学习工具和资源，可以帮助开发者进行模型训练和部署。
相关·内容
1回答
我对NLP非常陌生，我想根据他们的语言对不同的单词进行分类(基本上，我的模型应该告诉我一个单词是法语、英语还是西班牙语等等)。
当我适应下面的模型时，我会得到一个尺寸误差。"dataset“包含单词，它是大小的填充张量(1550，19)，"y”包含不同的语言，它也是大小的填充张量(1550，10)。
np.random.seed(42)
tf.random.set_seed(42)
from tensorflow.keras.layers import LSTM, GRU, Input, Embedding, Dense
input = Input(shape=[None]
浏览 2提问于2020-07-22得票数 0
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
1回答
根据Keras中的shared layers documentation，可以创建一个共享层，并使用不同的输入形状实例化它。它给出了一个Conv2D共享层的示例，如下所示： a = Input(shape=(32, 32, 3))
b = Input(shape=(64, 64, 3))
conv = Conv2D(16, (3, 3), padding='same')
conved_a = conv(a)
# Only one input so far, the following will work:
assert conv.input_shape == (None,
浏览 19提问于2019-01-03得票数 2
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
1回答
我当时正在做“Iris数据集上的模型验证”的作业。
我得到这个错误：“检查输入时出错:期望dense_input具有形状(135，)，但得到具有形状(4，)的数组”。我如何克服这个问题？
我的代码是
from numpy.random import seed
seed(8)
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, model_selection
from sklearn.model_selection import trai
浏览 1提问于2020-12-25得票数 1
我正在尝试运行下面的玩具模型，以了解如何使用SparseCategoricalEntropy来解决分类问题。但是，我在说ValueError: Shapes (None, 2) and (None, 1) are incompatible时遇到了一个错误。
我的理解是，最后一层的输出是形状[batch_size,num_classes]的概率输出，其中每一行的总和为1，而为SparseCategoricalEntropy提供的真实预测是形状[batch_size]。
import tensorflow as tf
from tensorflow import keras
from tensor
浏览 2提问于2021-09-28得票数 1
2回答
我正在解决手写数字的问题。希望我的代码是自解释的。 import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import csv
import numpy as np
with open('train.csv') as f:
reader = csv.reader(f)
contents = list(reader)
labels = n
浏览 118提问于2021-05-11得票数 1
1回答
因此，我目前正试图了解多输入keras模型预期的格式，而不知道如何在多个输入keras模型中提供信息。
from tensorflow.keras.models import Model
import tensorflow.keras
import tensorflow as tf
first_input = Input(2)
second_input = Input(2)
concat_layer= Concatenate()([first_input, second_input ])
hidden= Dense(2, activation="relu")(concat_l
浏览 0提问于2021-05-22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
1回答
R-角的不相容形状
、、、、
我尝试使用R进行音频分类，但我遇到了网络形状错误不兼容的问题。我创建了这两个函数，以便读取所有的wave文件并使用mel特性将它们转换成一个矩阵
audio = readWave(paste(outDir, '/', labels$filename[i], sep = ('') ))
audio = normalize(audio)
audio = crop(audio) #in order to have all signals of same size
return(melfcc(audio, sr = audio@samp.rate))
}
浏览 3提问于2022-02-10得票数 0
我有以下代码，用于生成有关形状的错误：
from keras.layers import Dense, Activation
from keras import Sequential
from keras.models import load_model
from tensorflow.keras.optimizers import Adam
import tensorflow
import keras
from tensorflow.python.keras.layers import Input, Dense
from tensorflow.keras.optimizers import
浏览 8提问于2022-08-08得票数 -1
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
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
1回答
我使用下面的代码，我试图训练一个1DCNN，我的x_train数据形状是(10027，5，14)，y_train形状是(10027,4)。但是我得到了一个关于形状兼容性的错误(代码下面)。 model = keras.models.Sequential([
keras.layers.Conv1D(filters=20, kernel_size=4, strides=2, padding="valid",
input_shape=(n_timesteps,n_features))
])
model.compile(l
浏览 49提问于2021-07-19得票数 0
1回答
我是一个新的深度学习和keras，我想做一个任务是:训练模型上的训练数据使用50个时期。 我写了这些代码： import pandas as pd
from tensorflow.python.keras import Sequential
from tensorflow.python.keras.layers import Dense
from sklearn.model_selection import train_test_split
concrete_data = pd.read_csv('https://cocl.us/concrete_data')
n_col
浏览 17提问于2020-04-01得票数 0
回答已采纳
我已经成功地为一些数据安装了一个TFTransformOutput (在本例中，是TF和TFX示例中常见的UCI普查数据集)。我尝试使用transform_raw_features(raw_features)方法应用转换器，但始终得到错误：
ValueError:节点'transform/transform/inputs/workclass_copy‘具有一个与输出#0的GraphDef不一致的_output_shapes属性:形状必须相等，但为0和1。
深入了解源代码，错误似乎起源于saved_transform_io中的_partially_apply_saved_tran
浏览 1提问于2018-10-09得票数 2
1回答
我对神经网络都很陌生。我有一个三维关节位置数据集(6400*23*3)和四元数方向数据集(6400*23*4)，我想预测所有22个关节和3个运动平面(6400* 22 *3)的关节角度。我试图建立一个模型，但是它不会运行，因为输入数据与输出形状不匹配，我也想不出如何更改它。
我的代码
import scipy
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, MaxPooling2D, Dense, Flatten
from
浏览 1提问于2019-11-01得票数 0
回答已采纳
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
我试图使用这个中的“街景房屋编号(SVHN)数据集”来实现一个图像分类器。我使用的是格式2，它包含从0到9的以32x32 RGB为中心的数字图像。当我试图编译和拟合该模型时，会得到以下错误：
Epoch 1/10
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-37-31870b6986af> in
浏览 4提问于2021-05-22得票数 1
回答已采纳
2回答
我想训练一个简单的LSTM模型，用于118个多类的128个时间步骤和6个特性的序列数据。
数据集的尺寸如下所示：
X_train, X_test shape: (batch, timesteps, num_features) = (batch, 128, 6)
y_train, y_test shape: (batch, 118)
其中标签由118个类的一个热编码表示。
model = keras.Sequential([
tf.keras.layers.LSTM(units = 32, kernel_initializer =
tf.initializers.zeros()
浏览 7提问于2022-05-14得票数 1
回答已采纳
1回答
我正在使用tflearn提供的DNN来学习一些数据。我的data变量有一个(6605, 32)的形状，我的labels数据有一个(6605,)的形状，我在下面的代码中重塑了这个形状到(6605, 1).
# Target label used for training
labels = np.array(data[label], dtype=np.float32)
# Reshape target label from (6605,) to (6605, 1)
labels = tf.reshape(labels, shape=[-1, 1])
# Data for training mi
浏览 2提问于2017-11-11得票数 2
回答已采纳
1回答
Keras不兼容的形状NN
、、、、
所以我有这个神经网络，我提供了示例"X“和标签"Y”，它们的形状是： X.shape = (10,10,2)
Y.shape = (10,10,2) 该模型的代码如下所示： import tensorflow as tf
from convert import process
import numpy as np
X, Y, rate = process('songs/song1.wav')
X = np.array(X[:10])
Y = np.array(Y[:10])
model = tf.keras.models.Sequential()
mo
浏览 14提问于2021-05-02得票数 0
回答已采纳
2回答
开始学习Keras和TensorFlow。为什么形状是错误的，我如何修复它？
(用于预测电力负荷输出的温度输入)
load = data.loc[:35063,'Load'].values
temp = data.loc[:35063,'Temperature'].values
load.shape
(35064,)
from keras.layers import Input,Dense
input_tensor = Input(shape=(35064,))
output_tensor = Dense(1)(input_tensor)
from kera
浏览 3提问于2019-03-05得票数 0
我正在建立一个卷积神经网络(CNN)模型，由'RGB'通道的双流图像数据输入和'grayscale'信道收敛到奇异形状(None, width, height, 4*C)，然后是Dense()。
对于大数据集，我必须/被迫使用<class 'ImageDataGenerator'>
from tensorflow.keras.preprocessing.image import ImageDataGenerator
datagen = ImageDataGenerator()
并通过目录流数据集：
train_C = d
浏览 6提问于2020-07-01得票数 2
我在google笔记本中使用tensorflow建立了以下卷积神经网络(CNN)模型：
import tensorflow as tf
PATCHSIZE = 64
# CNN model
model = tf.keras.models.Sequential([
# Convolutional layer. Learn 32 filters using a 3x3 kernel
tf.keras.layers.Conv2D(32, (3, 3), activation="relu", input_shape=(PATCHSIZE, PATCHSIZE, 3)
浏览 12提问于2022-09-04得票数 1
回答已采纳
我在使用CNN的时候收到了这个错误。 r = model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=50) 这就是代码 下面是错误，请帮我解决。 ---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-82-0b7c2e7fa2c
浏览 24提问于2020-04-02得票数 0
回答已采纳
我打算用tensorflow.data.experimental.CsvDataset在TensorFlow 2中训练小批量，但是张量的形状不适合我的模型的输入形状。
请让我知道什么是最好的方式小批量培训由一个数据集的TensorFlow。
我试了如下：
# I have a dataset with 4 features and 1 label
feature = tf.data.experimental.CsvDataset(['C:/data/iris_0.csv'], record_defaults=[.0] * 4, header=True, select_cols=
浏览 1提问于2020-09-26得票数 0
回答已采纳
1回答
我有两个numpy数组(X，Y)，我想将它们转换为tensorflow数据集。According to the documentation应该可以运行 train_dataset = tf.data.Dataset.from_tensor_slices((X, Y))
model.fit(train_dataset) 然而，当我这样做时，我得到了错误：ValueError: Shapes (15, 1) and (768, 15) are incompatible 如果numpy数组的形状与预期的输入/输出不兼容，这将是有意义的。但是如果我使用model.fit(X,Y)使用numpy数组运
浏览 15提问于2021-01-14得票数 0
回答已采纳
1回答
我正在尝试使用具有xtrain.shape ---> (2040, 2, 5000)和ytrain.shape ---> (2040,) (真实数据)的keras来训练数据集。小型化xtrain和ytrain数据示例如下
xtrain
array([[[ 2, 2, 7, 1, 5],
[ 1, 2, 3, 4, 3]],
[[ 5, 0, 3, 1, 6],
[ 5, 6, 7, 8, 6]],
[[ 2, 9, 8, 8, 7],
[ 9, 10, 11, 1
浏览 11提问于2022-01-02得票数 -2
我有表格中的示例数据: Datan312和：
"n“为样本
"31“是数据点数组。
"5“是指该数据点内的位数。
"2“是位的一个热编码(如1的位数是1，0和0，1)
输出的目的要么是值的5或10数组，后者根据另一个5或10数组进行验证。在试图构建模型时，我会得到以下错误：
"ValueError: Shapes (None, 5, 2) and (None, 10) are incompatible"
模型代码如下所示( train_mn312、tr_m5、check_mn312、cr_m5是训练数据和预期输出，后面是
浏览 3提问于2021-03-07得票数 0
回答已采纳
2回答
我正在尝试理解在tensorflow中在seq2seq中定义的seq2seq.py模型。我使用从tensorflow附带的translate.py示例复制的代码。我一直在犯同样的错误，我真的不明白它是从哪里来的。
再现错误的最小代码示例：
import tensorflow as tf
from tensorflow.models.rnn import rnn_cell
from tensorflow.models.rnn import seq2seq
encoder_inputs = []
decoder_inputs = []
for i in xrange(350):
en
浏览 7提问于2015-11-17得票数 15
回答已采纳
我试着用TensorFlow训练一个分割U-网。数据集(我的计算机上的图像)在运行模型之前进行预处理，并保存为Tfrecords。
因此，在培训之前，我使用tf.data加载to记录。如果我看一个例子，我就明白了：
ds_train = tf.data.TFRecordDataset(training_tfrecords).map(load_image_train, num_parallel_calls=tf.data.experimental.AUTOTUNE)
train_dataset = ds_train.cache().shuffle(BUFFER_SIZE).batch(BATCH
浏览 7提问于2020-10-26得票数 0
回答已采纳
我已经用NN和tensorflow做了一些线性回归，但我的输入是熊猫数据(X_train)。现在我想建立一个带有坐标的神经网络。我将以X1(x1，y1)和X2(x2，y2)作为输入。形状: 75，2,120和X2。形状: 75，2,120；y.shape: 75,1
神经网络的体系结构应该是什么？我试过这样做：
print('Shape X1:', np.shape(X1))
Shape X1: (75, 2, 120)
model = keras.Sequential()
model.add(layers.Dense(50, input_dim=len(X1[1]), ke
浏览 3提问于2021-02-05得票数 0
回答已采纳
我试图构建一个只有一个输入X(大小为Xa*Xb的二维矩阵)和两个输出Y1和Y2 (都是一维的)的网络。即使不是我在下面发布的代码中的情况，Y1应该是一个输出一个热点向量的分类器，而Y2应该是用于回归的(原始代码引发了相同的错误)。 在训练网络时，我得到以下错误： ValueError: Shapes (None, None) and (None, 17, 29) are incompatible 显然，(None, 17, 29)转换为(None, size_Xa, size_Y1)，我不明白为什么Xa和Y1首先要相关(独立于Xb)。 这是我的代码。为了让它更容易理解，我尽量把它减少到最低限
浏览 0提问于2020-09-16得票数 0
回答已采纳
1回答
多对多lstm实现-值错误
、、、、
我正在尝试为以下输入和输出训练LSTM Input output
(10,20) (3.43766, -0.0258654, -9.33203)
(20,30) (3.39076, 0.0415078, -9.29935)
(30,40) (3.49587, -0.0158063, -9.47972) 这是一个多对多的用例。 我的方法 X = ((10,20),
(10,20))
X=(np.array(X))
Y = (
(3.43766, -0.0258654, -9.33203),
(3.39076, 0.0415078, -9.2993
浏览 18提问于2021-11-12得票数 0
我正在尝试建立一个基于评论的电影评分预测。我使用带有tensorflow的Keras作为后端。我使用Anaconda下载了Tensorflow和keras。代码中的x和y是numpy数组。我正在尝试运行以下代码，
import tensorflow as tf
import keras
from keras.models import Sequential
from keras.callbacks import History
from keras.layers import Input, Dense, Dropout
from keras.layers import BatchNormali
浏览 1提问于2018-11-04得票数 1
2回答
我正在制作一个张量流模型，它采用一组6个值并输出一个值。(测试和学习目的)以下是代码： import tensorflow as tf
import numpy as np
from tensorflow import keras
import pandas as pd
a=0
model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=(6,)))
model.compile(optimizer='sgd',loss='mean_squared_error')
x=
浏览 38提问于2020-09-22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
所以我很确定我输入的尺寸是正确的。我认为错误在于输入的重塑，但不是很确定。
以下是我正在使用的内容：
df_matrix = df_model.as_matrix()
df_matrix = np.reshape(df_matrix,(-1,588425,26))
df_matrix.shape
y_matrix = y.as_matrix()
y_matrix = np.reshape(y_matrix,(-1,588425,1))
df_matrix2 = df_model.as_matrix()
model.add(LSTM(32, input_shape=(588425, 26),
浏览 6提问于2017-09-01得票数 1
1回答
简单神经网络
、、、、
我有输入和输出( XNOR门)，当我想训练它们时，我得到了一个错误。以下是代码：
import tensorflow as tf
import numpy as np
training_inputs = np.array([[0,0,0],[0,0,1],[0,1,0],[0,1,1],[1,0,0],[1,0,1],[1,1,0],[1,1,1]],dtype=float)
training_outputs =np.array([1,0,0,1,0,1,1,0],dtype=float)
model = tf.keras.Sequential([
tf.keras.layers.De
浏览 2提问于2021-12-02得票数 1
回答已采纳
2回答
原始数据集形状为(343889，80)，最后一列为标签。训练和测试集分割完成。
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.30, random_state=10)
形状-训练数据集(240722，80)形状-训练标签(240722，)形状-测试数据集(103167，80)形状测试标签(103167，<code>G 210</code>)
该模型如下所示
inputShape = (240722,80)
# Now Working currently
model = Sequ
浏览 10提问于2022-03-17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
当我处理时间序列数据时，我尝试用Conv1D构建我的第一个CNN。我的目标是对1501形状的input_data进行压缩。x_train形状为(550,1501)，我增加了它的尺寸以适应模型。
但是，编译器会抱怨：
ValueError:一个形状为(550,1501，1)的目标阵列被传递给形状输出(None，1500，1)，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。
这是密码
import numpy as np
from tensorflow.keras.layers import Input,Dense, Conv1D, MaxPool
浏览 2提问于2019-12-29得票数 1
回答已采纳
3回答
我正在学习Tensorflow，我尝试了这个程序，这个程序是4:40来自的
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
x = np.array([float(i) for i in range(-7, 15, 3)])
y = x + 10
plt.scatter(x, y)
plt.show()
x = tf.constant(x)
y = tf.constant(y)
model = tf.keras.Sequential([
tf.keras.layers.Dense(1
浏览 9提问于2022-05-29得票数 1
回答已采纳
我正在运行下面的代码。我得到了XLA编译器错误，如下所述。我有Tensorflow GPU 1.8版本，但我尝试了CPU版本，并得到了错误。但是当我将Tensorflow (CPU)降级到1.3时，我没有收到任何错误。Tensorflow是使用Pip的虚拟环境安装的。
有人能帮我一下吗。
代码：
import tensorflow as tf
input_tensor = tf.placeholder(dtype=tf.float32, shape=[None, 16, 16, 3])
print(input_tensor.shape)
conv_filter = tf.get_variab
浏览 1提问于2018-06-08得票数 2
回答已采纳
当我使用回调函数TensorBoard时，如下所示：
skip_training = False
tensorboad_cb = TensorBoard('logs')
def train_model(model, callbacks_list):
'''
Input:
Model and callback list,
Return:
Model with best-checkpoint weights.
'''
## TYPE YOUR CODE f
浏览 1提问于2021-09-20得票数 1
在使用Python进行深度学习实践时，我遇到了以下问题。我该如何解决这个问题？我想识别Cifar-10数据。但是，当您编写以下内容时会出现一个错误:我应该做什么来解决这个问题？请帮帮我。
我正在使用Google (Python 3后端)
我也读过的这篇文章，但不知道那家伙想说什么。
下面是代码和错误的完整版本。
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import tensorflow as tf
from tensorflow import keras
data = keras.dat
浏览 6提问于2022-07-15得票数 1
回答已采纳
在将Tensorflow数据集传递到Keras的model.fit函数中时，获取与形状相关的ValueError。
我的数据集的标注具有形状(100个样本x 62个要素)和Y_train (100个样本x 1个标注
可重现的代码如下：
import numpy as np
from tensorflow.keras import layers, Sequential, optimizers
from tensorflow.data import Dataset
num_samples = 100
num_features = 62
num_labels = 1
batch_size = 32
浏览 0提问于2019-06-08得票数 0
你好，我正在做一个kaggle的比赛，但是当我和Keras练习的时候，我遇到了一个严重的问题。错误是"ValueError: error when checking input:期望dense_9_input具有形状(24，)，但得到形状(0，)的数组“。我试图通过查找Stack overflow来解决这个问题，但我找不到正确的答案。
变量X包含除目标值以外的所有变量，目标值为winPlacePerc和字符串变量，如ID、match id和group id。
#Libraries
from keras.models import Sequential
from keras.layer
浏览 0提问于2018-11-02得票数 0
1回答
我在tensorflow或python方面没有任何经验，而且API-reference中对语法的描述也不是很好。 我想要做的是将第零列设置为1，以便张量执行多元线性回归。 这是我到目前为止所得到的： def MLR(M, N):
X = tf.random.uniform([M,N])
y = tf.random.uniform([M])
bias = tf.constant(1.0, shape=[M])
X = tf.concat([bias, X],axis=0)
sess = tf.Session()
sess.run(X)
p
浏览 20提问于2019-05-01得票数 0
回答已采纳
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
