ValueError:无法将输入数组从形状(50,50,3)广播到形状(50,50)
这个错误是由于无法将形状为(50,50,3)的输入数组广播到形状为(50,50)的数组引起的。广播是指在进行元素级操作时，将较小的数组自动扩展以匹配较大数组的形状。在这种情况下，无法将具有3个通道的图像数据广播到没有通道的图像数据。
要解决这个错误，可以通过以下几种方式之一：
- 确保输入数组的形状与期望的形状匹配。在这种情况下，将输入数组的形状更改为(50,50)。
- 如果需要使用具有3个通道的图像数据，则需要将目标数组的形状更改为(50,50,3)。
- 如果只需要使用灰度图像数据（没有通道），可以将输入数组转换为灰度图像。可以使用图像处理库（如OpenCV）中的函数将彩色图像转换为灰度图像。
- 检查代码中的数据处理部分，确保在进行元素级操作时，输入数组的形状与期望的形状一致。
对于云计算领域的专家来说，他们可能会建议使用腾讯云的图像处理服务来处理图像数据。腾讯云的图像处理服务提供了丰富的功能和API，可以轻松地进行图像转换、调整大小、滤镜应用等操作。您可以通过访问腾讯云的图像处理服务页面（https://cloud.tencent.com/product/img）了解更多信息和产品介绍。
相关·内容
2回答
我有一个巨蟒列表，其中包括90900条nparray形状的(299, 299, 3)。我试图将此列表转换为numpy数组。
X_trains = np.asarray(X_train).reshape((len(X_train),299,299,3))
但是，这给了我一个错误：
ValueError:无法广播输入数组从形状(299,299,3)到形状(299,299)
我假设导致错误的代码部分是np.asarray，有什么方法可以解决这个问题吗？
全错误代码：
ValueErrorTraceback (most recent call last)
<ipython-input-3
浏览 4提问于2017-04-08得票数 2
回答已采纳
基于这个问题：，我想扩展一个现有的numpy数组，并用可变数量的随机列填充它。
我的方法是：
target = 'data'
amount = 4
data = {'data': array([[1, 2],
[5, 9],
[4, 4],
[8, 42],
...,
N = data[target].shape
biggerarr = np.random.rand(N[0], N[1]+amount)
existingArr = np.array(data[target])
biggerarr[:,:] = existingArr
浏览 2提问于2020-11-08得票数 0
我正在做一个项目，通过使用Mask-RCNN在SpaceNet数据集上检测建筑物。当我运行这段代码时：
model.train(dataset_train, dataset_val,
learning_rate=config.LEARNING_RATE,
epochs=1,
layers='heads')
我得到了这个错误：
1772 batch_images[b] = mold_image(image.astype(np.float32), config)
->
浏览 0提问于2019-09-10得票数 2
2回答
我试图以以下方式将一些4维数组(块矩阵)相乘：
其中C有形状(50,50,12,6)，Q有形状(50,50,12,12)，R有形状(50,50,6,6)，
我想知道我应该如何选择正确的轴来执行张量产品？我尝试以下列方式制作矩阵产品：
H = np.tensordot(C_block.T,Q_block) @ C_block
但是返回一个值错误：
---------------------------------------------------------------------------
ValueError Trace
浏览 21提问于2022-05-26得票数 1
我有以下代码：
import cv2
import numpy as np
img = cv2.imread('a.jpg')
gray = cv2.imread('b.jpg')
gray = cv2.cvtColor(gray, cv2.COLOR_BGR2GRAY)
print('a shape:', img.shape) # a shape: (50,50,3)
print('b shape:', img.shape) # b shape: (50,50)
result = np.concatenate((img
浏览 72提问于2018-06-04得票数 1
2回答
我定义了一个二维数组如下：
predict_result = np.zeros((69,1000))
在循环中，我试图将一个预测的一维数组注入其中。
for ij in range(0,1000):
# # some code to generate Ypredict
predict_result[:,ij]=Ypredict
Ypredict总是(69,1)的形状。但是，运行该程序会出现以下错误
predict_result:，ij=Ypredict ValueError:无法广播输入数组从形状(69,1)到形状(69)
如何纠正此错误？
浏览 1提问于2018-03-15得票数 0
回答已采纳
3回答
给定三维arr，我想填充所有等于1的元。
np.random.seed(0)
arr=np.random.rand(3,4,4)
预期产出
1,0.71519,0.60276,0.54488
0.42365,1,0.43759,0.89177
0.96366,0.38344,1,0.52889
0.56804,0.92560,0.07104,1
1,0.83262,0.77816,0.87001
0.97862,1,0.46148,0.78053
0.11827,0.63992,1,0.94467
0.52185,0.41466,0.26456,1
1,0.56843,0.0187
浏览 7提问于2022-03-11得票数 3
回答已采纳
1回答
我可能误解了Python中广播的工作方式，但我仍然会遇到错误。
scipy提供了许多包含两个参数的“特殊函数”，特别是eval_XX(n, x[,out])函数。请参阅
我的程序使用了许多正交多项式，所以我必须在不同的点计算这些多项式。让我们以具体的例子scipy.special.eval_hermite(n, x, out=None)为例。
我希望x参数是一个矩阵形状的(50, 50)。然后，我想在几个点上评估这个矩阵的每一个条目。让我们将n定义为一个numpy数组narr = np.arange(10) (其中我们将numpy导入为np，即import numpy as np)。
所以，打
浏览 1提问于2015-05-06得票数 1
回答已采纳
5回答
由于下面的错误，我试图添加通道
ValueError:无法将输入数组从形状(48,48)广播到形状(48,48,1)
代码：
img = cv2.imread(f,0)
resized = cv2.resize(img, (48,48), interpolation = cv2.INTER_AREA)
print(resized.shape)
(48, 48)
但是我需要一个像(48,48,1)这样的频道图像。
我怎么才能解决这个问题？
浏览 1提问于2018-03-12得票数 5
2回答
我有带有多维数组的脚本，而不是for -循环，我想使用向量化的实现来解决我的问题(有时包含列操作)。
让我们考虑一个使用矩阵arr的简单示例
> arr = np.arange(12).reshape(3, 4)
> arr
> ([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
> arr.shape
> (3, 4)
所以我们有一个矩阵arr，它有3行4列。
在我的脚本中，最简单的例子是向数组中的值添加了。例如，我为单行或多个行执行此操作
> someVector = np
浏览 0提问于2016-03-05得票数 4
回答已采纳
1回答
使用
foo_ok = [(30, 784), (10, 30)]
foo_bad = [(10, 784), (10, 10)]
为什么
np.array([np.zeros(foo_ok[0]),np.zeros(foo_ok[1])])
边工作边工作
np.array([np.zeros(foo_bad[0]),np.zeros(foo_bad[1])])
结果：
ValueError:无法广播输入数组从形状(10,784)到形状(10)
基本上，我需要与表单foo = [(X, Z), (Y, X)]一起工作的东西，在这种情况下，可能是Y==X；但是，拥有Y==X会导致事情失败
浏览 4提问于2016-03-31得票数 4
回答已采纳
1回答
我有一个2D数组x，其中我想复制一维数组y的内容：
import numpy as np
x = np.array([[1, 2], [4, 5], [3, 3]], np.int32)
y = np.array([1, 2, 3, 4, 5, 6])
x[:,:] = y # i would like x to be [[1, 2], [3, 4], [5, 6]]
ValueError:无法将输入数组从形状(6)广播到形状(3,2)
怎么做？
浏览 0提问于2016-08-30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
1回答
我正在使用Opencv模块打开和显示我的视频。我想要做的是将单个帧存储在一个数组中，并以依赖的方式对它们进行处理。我尝试使用：
for i< framecount
ret,frame[i]=cap.read()
其中cap有视频，framecount有视频中的帧数，但它不工作！有什么想法吗？
ValueError:无法将输入数组从形状(288,360,3)广播到形状(360,3)
浏览 1提问于2013-12-13得票数 1
当我尝试从from (1，)广播到from ()时，numpy会引发ValueError: non-broadcastable output operand with shape () doesn't match the broadcast shape (1,)。I 表示，内嵌操作符的目的是在与输入相同的内存块上操作，这就是为什么不能，比方说，从from (5 )到from (1 )在本地广播的原因。但是，对于size (1，)(或任何大小为1的数组)，大小与带size ()的标量相同。那么，为什么我不能执行一个就地操作a += b，其中a有shape ()，b有shape (1,)？
浏览 24提问于2020-10-02得票数 1
2回答
我正在尝试使用数据库中其他列的np.where条件创建一个新列。
我的代码
df5['RiskSubType']=np.where(new_df['Snow_Risk']==1,(( ' Heavy Snow forecasted at ' +df5.LOCATION.mask(new_df.LOCATION=='',df5.LOCATION_CITY))),
np.where(df5['Wind_Risk']==1,( ' Heavy Wind forecasted at ' +df5.L
浏览 1提问于2019-11-28得票数 1
回答已采纳
我有一个图像"img_carree“，我想要更改(大小为427x427，每个像素带有RGB值)
M = np.array(img_carree)
M.shape #return(427,427,3)
我也有一个彩色对象
color = (255,255,0)
因此，我试图检查图像的每个像素与颜色之间的相关性，并将其存储在一个新的numpy数组中。
F = M
for i in range(427):
for j in range(427):
F[i][j] = np.corrcoef(M[i][j], np.array(color))
浏览 1提问于2022-03-12得票数 1
试图将数据集中的数据加载到数组数据中，出现广播错误。 代码： path = os.path.join(cur_path , r'Pothole_Image_Data')
print(path)
images = os.listdir(path)
for i in images :
try :
image = Image.open(path + '\\' + i )
image = image.resize((50,50))
image = np.array(image)
data.append(image
浏览 54提问于2020-12-02得票数 0
1回答
我有一只熊猫。我想用numpy数组填充一些单元格，但是我得到了下面的ValueError。
我不会在现实生活中填满零数组。这是复制错误的简化示例代码。
ValueError:无法将输入数组从形状(10，)广播到形状(1，)
import pandas as pd
import numpy as np
df = pd.DataFrame(columns=['name1','name2','array1','array2' ])
df = df.append({'name1': 'aaaa','
浏览 2提问于2021-05-19得票数 1
回答已采纳
1回答
我找不到solution.My图像的形状是128*128*3，它有三个通道，但也会导致错误。
文件"E:/ML/keras_test/vgg.py"，第30行，在load_data datai中，：:，：= arr
ValueError:无法广播输入数组从形状(128,128)到形状(128,128,3)
我的代码如下：
def load_data(path):
data = np.empty((12755,128,128,3),dtype="uint8")
label = np.empty((12755,),dtype="uint8")
浏览 1提问于2016-03-24得票数 0
我得到了一个错误，ValueError:无法广播输入数组从形状(450,1000,3)到形状(400,500,3) .I编写的代码，
img = cv2.imread("photo.png")
photo = cv2.imread("photo1.png")
img[0:400, 0:500, :] = photo
以前，我写了密码
img = cv2.imread("photo.png")
photo = cv2.imread("photo1.png")
img_height = photo.shape[0]
img_width
浏览 3提问于2018-01-04得票数 0
回答已采纳
train_x=[]
val_x=[]
test_x=[]
for image in train_list:
train_x.append(skimage.data.imread(image))
for image in val_list:
val_x.append(skimage.data.imread(image))
for image in test_list:
test_x.append(skimage.data.imread(image))
如何将train_x列表转换为ndarray的形状(len(train_x),50,50,3)。
浏览 16提问于2019-07-08得票数 0
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
我已经多次使用numpy.where()了，我一直在想中的以下语句
x，y和条件需要广播到某种形状。
我明白为什么这对于x和y都是必要的。我们希望从这两个数组中组装得到的数组，因此它们应该可以广播到相同的形状。但是，我不明白为什么这对条件也如此重要。这只是决策规则。假设我有以下三种形状：
condition = (100,)
x = (100, 5)
y = (100, 5)
result = np.where(condition, x, y)
这会导致ValueError，因为“操作数不能一起广播”。据我理解，这个表达式应该工作得很好，因为我合成
浏览 4提问于2020-03-27得票数 4
回答已采纳
我偶然发现了np.array函数的一些行为，我不明白。这段代码的工作方式与我预期的一样：
arr1 = np.zeros((3,2))
arr2 = np.zeros((2,2))
np.array([arr1,arr2])
array([ array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.]]),
array([[ 0., 0., 0.],
[ 0., 0., 0.],
[ 0., 0., 0.],
浏览 1提问于2017-02-28得票数 4
回答已采纳
我注意到分配给pandas DataFrame列(使用.loc索引器)的行为是不同的，这取决于DataFrame中存在的其他列以及赋值的确切形式。使用三个示例DataFrame：
df1 = pandas.DataFrame({
'col1': [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
})
# col1
# 0 [1, 2, 3]
# 1 [4, 5, 6]
# 2 [7, 8, 9]
df2 = pandas.DataFrame({
'col1': [[1, 2, 3], [4, 5, 6],
浏览 0提问于2018-08-29得票数 13
回答已采纳
我正在尝试在训练之前对MNIST手写数字图像进行放大。但是cv2.resize()和skimage.transform.resize都抛出了: ValueError:无法将输入数组从形状(150,150)广播到形状(28,28) for i in range(len(X_train)):
X_train[i] = resize(X_train[i], (150,150))
浏览 13提问于2020-03-25得票数 0
在添加邻居语句(我用‘new’注释)之前，一切都很好。现在，当使用numpy.asarray时，会出现以下错误：
ValueError:无法将输入数组从形状(3,3)广播到形状(3)。
我真的很困惑，因为新的线条并没有改变任何关于旋转-数组的东西。
def rre(mesh, rotations):
"""
Relative Rotation Encoding (RRE).
Return a compact representation of all relative face rotations.
"""
all_rel_rotations =
浏览 1提问于2019-05-04得票数 1
回答已采纳
3回答
我想要绘制两个变量的实函数的曲面，其中包含矩阵，但否则函数是实的。当我试图运行代码时：
import numpy as np
import matplotlib.pyplot as plt
from scipy.linalg import expm, norm
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
def f(x,y):
A = np.array([[0,-1,0],[1,0,0],[0,0,0]])
v = np.array([[1,2,3]])
return norm(x*y*A@v
浏览 0提问于2020-11-18得票数 1
回答已采纳
1回答
我编写了如下代码：
# weight shape will be as (108, 796)
Weight = np.zeros((xm_a*xm_b,data1_a))
# tt shape will be as (108, 1)
tt = np.reshape(AR[:,:,i].T,(AR_a*AR_b,1),order='F')
for i ...:
...
Weight[:,i] = tt
在运行代码时，将出现与最后一行相关的以下错误：
ValueError:无法广播输入数组从形状(108,1)到形状(108，
那么如何解决这个问题呢？我对蟒蛇很陌
浏览 1提问于2021-10-17得票数 0
我需要用一个重复的列表填充一个从上到下的数组列。下面是一个玩具示例，我尝试了各种方法。
“重塑”方法是我认为可以工作的方法，但我得到了“无法广播输入数组从形状(12,1)到形状(12，)”的错误。
>>> x = np.zeros((12,4))
>>> #x[:,0] = np.tile(range(4),(3,1))
>>> #x[:,0] = np.tile(np.array(range(4)),(3,1))
>>> x[:,0] = np.tile(np.reshape(range(4),(4,1)),(3,1))
浏览 6提问于2022-06-15得票数 0
我正在研究一个图像分类问题，用于检测有故障的LED灯，并且有我自己的自定义数据集，我使用的是从经过预先训练的VGG16中进行的传输学习，当我执行.fit时，它给我一个形状错误，'ValueError:层sequential_13的输入0与层不兼容:输入形状的预期轴-1的值为3，但接收到的输入与形状(无，30，90，1)。‘，pretrained_model = VGG16，然后尝试添加密集的层。请帮帮我！谢谢!
X = np.array(X).reshape(-1, 30, 90, 1 )
y = np.array(y)
X.shape --------> (4349, 30
浏览 4提问于2022-07-16得票数 0
1回答
我正试图将数组复制到另一个数组中。
a = np.array([1]*3)
b = np.array([2]*2)
我试过copyto()
np.copyto(a,b)
但我明白：
追溯(最近一次调用)：np.copyto(a，b)中的文件""，第1行，ValueError:无法广播输入数组从形状(2)到形状(3)
如何使a变为2,2,1？
浏览 3提问于2016-02-02得票数 5
回答已采纳
1回答
我试图将这个DataFrame上传到一个excel文件中，但是它一直在返回错误“无法广播输入数组从形状(50,56)到形状(50，50 )”，但我不知道如何更改该形状。
这是我的代码：
from selenium import webdriver
from bs4 import BeautifulSoup
import pandas as pd
URL = "https://www.nba.com/stats/players/traditional/?sort=PTS&dir=-1&Season=2021-22&SeasonType=Playoffs"
浏览 5提问于2022-06-03得票数 -1
您好，我创建片段当我添加MapEventsReceiver来检测形状类型(矩形，多边形，线条，标记等)，以便检测与形状被点击。但是我对Marker有问题，我无法检测到什么时候点击了marker。当我点击地图(MapEventsReceiver方法longPressHelper())时，我添加了Toast消息，当我点击所有形状时，它是完美的，但不是在标记中(它是从标记类运行onLongPress方法)。可以将标记侦听器从MapEventReceiver添加到longPressHelper中(我想检测在longPressHelper中单击的标记)？
浏览 24提问于2019-04-08得票数 0
回答已采纳
我想压缩两个数组，它们具有相同的长度，但包含不同的矩阵维。
a1 = np.ones((2,2,3),dtype=np.uint8)
a2 = np.ones((2,2,3),dtype=np.uint8)*2
b1 = np.ones((2,2),dtype=np.uint8)
b2 = np.ones((2,2),dtype=np.uint8)*2
现在有两个数组是c1，c2。
c1 = [a1,a2]
c2 = [b1,b2]
当我试图像这样拉链的时候。
res = np.array(list(zip(c1,c2)))
我遇到了一个错误，就像下面这样。
跟踪(最近一次调用)：文件"
浏览 5提问于2021-03-24得票数 0
我需要向量化一个函数，它可以返回形状为(2,3)或(3,3)的数组。有可能吗？
我创建的矢量化函数如下：
my_func_v = np.vectorize(my_func, signature='()->(n,m)')
只要函数只返回(2,3)或(3,3)数组，它就能正常工作。但是，一旦混合了结果形状，numpy就会出现错误：
ValueError:无法广播输入数组从形状(3,3)到形状(2,3)
从矢量化函数中可以混合返回的形状吗？
浏览 1提问于2022-02-23得票数 -2
回答已采纳
1回答
是否可以执行以下操作(dict是第一行索引的数据)：
dict={'col1':1,'col2':[1,2],'col3':'str'}
nm=pd.DataFrame(dict,index=['new line'])
我希望接收的数据框架如下所示：
nm
col1 col2 col3
new line 1 [1,2] str
使用list类型的col2中的值，但是我收到以下错误：
ValueError:无法将输入数组从形状(2)广播到形状(1)
谢谢!
浏览 0提问于2016-02-17得票数 1
回答已采纳
1回答
data是一个1256x277矩阵
np.array_split(ary=data, indices_or_sections=10, axis=1)给出了1256x28数据的列表。
但当我这么做的时候
sub_data_ndarray = np.array(object=np.array_split(ary=data, indices_or_sections=10, axis=1))
我知道错误：
ValueError:无法广播输入数组从形状(1256,28)到形状(1256)
浏览 2提问于2020-07-22得票数 0
回答已采纳
1回答
我正在尝试使用加法和挤压/归一化将张量从30,50,32,64重塑为30,50,32,1。当我使用Tensorflow重塑时，我得到以下错误。 o = tf.reshape(o, shape=[30, 50, 32, 1]) ValueError:无法对具有3072000个元素的张量进行整形，以形成输入形状为30,50,32,64，4且输入张量计算为部分形状的‘30,50,32,1 /embedding/ reshape _4’(op：'Reshape')的形状: input1 = 30,50,32,1。 有没有人能建议一下绕过这个问题？
浏览 13提问于2021-04-19得票数 0
回答已采纳
4回答
我有两个阵列形状的每个(50,50,3)当我做连接.我需要新的维度是：
(2 , 50 , 50,3)
其中2是我试过的2张图像：
np.concatenate((cat01 , cat02 ) , axis = 0)
输出(100 , 50 , 3)
和
np.concatenate((cat01 , cat02 ) , axis = 1)
输出(50 , 100 , 3)
那么，我如何在数组中添加另一个维度呢？
浏览 0提问于2018-05-03得票数 0
回答已采纳
我有4个具有以下形状的数组：
X pred1 pred2 pred3
(46020, 369) (46020,) (46020,) (46020,)
我正在尝试将列从最后3段连接到X中。例如，如果我这样做的话：
array_pack = np.column_stack((X, pred1, pred2, pred3))
它给了我一个错误：
ValueError:除级联轴外的所有输入数组尺寸必须完全匹配
我做错什么了？形状为(46020，)的数组是否应该类似于(46020，1)？
浏览 1提问于2016-04-28得票数 2
回答已采纳
我的df形状是2D (6764, 11)。
我想用1691个时间步数(即6764的1/4 )将它重塑为3D。
df = df.values.reshape((df.shape[0], 1691, df.shape[1]))
我得到了错误：ValueError:无法将大小为74404的数组整形为形状(6764,1691,11)
为什么我的尺寸是74404?？我得到的是1674*11，但为什么要做这个乘法？
编辑
实际上，我想将我的数据重塑为6764,1691，11，这是LSTM模型所需要的维度。这个维度代表样本、TimeSteps、特征，其中样本是数据点的数量，时间步骤是我要分析/预测的数据点的
浏览 0提问于2020-07-29得票数 0
所以，我试着用一张小图片来掩盖背景。 background[top_left_height:top_left_height+height][top_left_width:top_left_width+width][:] = img 但我收到了错误消息。 ValueError:无法将输入数组从形状(48,64,3)广播到形状(0,1520,3) 下面的代码显示了我使用的图像。 background = cv2.imread("sample_data/background.jpg")
img = cv2.imread('sample_data/B1.jpg')
p
浏览 29提问于2021-04-15得票数 0
我按照Tensorflow 中给出的语音命令分类代码来训练城市声音数据集的自定义分类器。已成功地创建了冻结图。但是，当我试图使用将其转换为Tflite时，如下所示
converter = tf.lite.TFLiteConverter.from_frozen_graph('five_words.pb', ['wav_data'], ['labels_softmax'], {"wav_data" :None})
tflite_model = converter.convert()
open("converted_model.
浏览 0提问于2019-10-13得票数 1
1回答
我正在尝试用标准普尔500数据集来训练CNN和LSTM网络。这是我的列车数据集的形状：
x列形状：(6445，16) Y形：(6445，)
这是我给CNN的输入形状：
model.add(TimeDistributed(Conv1D(filters=64, kernel_size=1, activation='relu'), input_shape=(None,16)))
在代码中显示的输入形状参数中，我得到了以下错误：
ValueError: conv1d_8层的输入0与层：：预期的min_ndim=3，found ndim=2不兼容。收到的完整形状: None，16
浏览 0提问于2020-08-20得票数 2
回答已采纳
我做了一个常量值的向量。向量是(1行，6列)。然后，我在另一个函数中调用向量，并希望使用向量的每个元素进行其他计算。问题是我得到了以下错误： ValueError:无法将输入数组从形状(6)广播到形状(1) 为什么？有没有人能帮我？诚挚的问候, n=6
F = np.ones([1,n])
F = F*0.4
# F: [[0.4 0.4 0.4 0.4 0.4 0.4]]
# Other function
str=np.zeros([1,n])
for i in range(0, len(F)):
str[i] = 1000 * F[i]
# ValueError: co
浏览 14提问于2019-05-08得票数 1
回答已采纳
我有这样的输入
x=[[0,0,0,0,1,0,0,0]....[n,n,n,n,n,n,n,n]] x.shape=(18998,8)
像这样的输出
y= 11 11 11 11 ... 10 y.shape=(18998,)
我建立了这样的模型
env_model = Sequential()
env_model.add(Dense(8, activation='relu', input_dim=8))
env_model.add(Dense(128, activation='relu'))
env_model.add(Dense(256, activati
浏览 0提问于2019-03-11得票数 0
回答已采纳
目前，我想知道numpy数组的行为如何。我觉得从向量(Nx1维度)到“真实数组”(NxN维度)，维度并不一致。
，我不明白，为什么这不管用：
a = array(([1,2],[3,4],[5,6]))
concatenate((a[:,0],a[:,1:]), axis = 1)
# ValueError: all the input arrays must have same number of dimensions
似乎: (at 1:])带来了不同，但是(:0不起作用)
提前感谢！
Detailled版本:因此，我希望shape(b)[0]引用垂直方向(__Nx1数组)，就像在2D 数
浏览 3提问于2015-08-25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
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
