ValueError:输入形状的轴-1应为值51948，但收到的输入为形状(无，52)
这个错误是一个Python中的ValueError异常，它表示输入的形状不符合预期。根据错误信息，输入的形状应该是(无，52)，但是期望的形状应该是轴-1的值为51948。
这个错误通常发生在数据处理或者机器学习领域，可能是由于数据的维度不匹配导致的。要解决这个错误，可以尝试以下几个步骤：
- 检查数据的维度：确保输入的数据的形状与期望的形状一致。可以使用Python的NumPy库或者Pandas库来查看数据的形状和维度。
- 检查数据的类型：确保输入的数据类型正确。有时候数据类型不匹配也会导致这个错误。可以使用Python的type()函数来检查数据的类型。
- 检查数据的预处理过程：如果数据经过了预处理，例如特征工程或者数据清洗，可能会导致数据的形状发生变化。检查数据预处理的代码，确保没有错误地改变了数据的形状。
- 检查模型的输入层：如果这个错误发生在机器学习模型中，可能是由于模型的输入层与数据的形状不匹配导致的。检查模型的输入层的形状，确保与数据的形状一致。
关于云计算领域的相关产品和服务，腾讯云提供了丰富的解决方案。以下是一些与云计算相关的腾讯云产品和服务：
- 云服务器（Elastic Compute Cloud，简称CVM）：提供可扩展的计算能力，支持多种操作系统和应用场景。产品介绍链接：https://cloud.tencent.com/product/cvm
- 云数据库（TencentDB）：提供高性能、可扩展的数据库服务，包括关系型数据库（MySQL、SQL Server等）和NoSQL数据库（MongoDB、Redis等）。产品介绍链接：https://cloud.tencent.com/product/cdb
- 云存储（Cloud Object Storage，简称COS）：提供安全可靠的对象存储服务，适用于各种数据存储和备份需求。产品介绍链接：https://cloud.tencent.com/product/cos
- 人工智能服务（AI）：腾讯云提供了丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等。产品介绍链接：https://cloud.tencent.com/product/ai
- 物联网平台（IoT Hub）：提供全面的物联网解决方案，包括设备接入、数据管理、消息通信等功能。产品介绍链接：https://cloud.tencent.com/product/iothub
请注意，以上链接仅供参考，具体的产品和服务选择应根据实际需求进行评估和决策。
相关·内容
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
1回答
我试图通过在输出层之前添加几个层来使用可教机器应用程序中的google模型。当我重新训练模型时，总是返回以下错误：
ValueError:层dense_25的输入0与图层不兼容:输入形状的预期轴-1值为5，但接收到的输入为20,512。
我的方法是：
当重新训练模型时，它返回错误：
如果我重新训练模型，而不添加新的层，它的工作很好。有人能告诉我是怎么回事吗？
浏览 2提问于2020-11-05得票数 0
回答已采纳
2回答
调整张量以与其他层连接
、、、、
我正在遵循下面的体系结构
现在，我需要连接其他层次。我试图将层Conv_10与Deconv_1连接起来，但在张量大小方面出现了错误。所以我需要将Conv_10层从(3,44,44)转换为(3,34,34)。我该怎么做？
这个网络的当前实现可以在这里获得：
实际错误: ValueError：Concatenate层需要具有匹配形状的输入(除了凹轴外)。得到输入形状：(无，34，34，3)，(无，44，44，3)
浏览 0提问于2020-04-13得票数 1
回答已采纳
我有自己的数据集，其中包含100x100大小的图像，而不是通常的28x28 (在MNIST中)。我尝试在我的数据集上从tensorflow的主页运行DCGAN的代码，但失败了。
我知道这个问题与尺寸有关，如果有人能解释一下遗漏了什么，我将不胜感激。我读到生成器的输出必须与鉴别器的输入匹配，但我不知道如何做到这一点。如果有人能解释一下我需要调整的地方，我将不胜感激。
下面是描述符的代码：
def make_discriminator_model():
model = tf.keras.Sequential()
model.add(layers.Conv2D(128, (5, 5)
浏览 0提问于2021-02-25得票数 0
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
import tensorflow.keras as keras
dataset = pd.read_csv('C:\\Users\\Maxie\\MyStuff\\FinalDatasetEng.csv')
inputs = dataset.iloc[:, 2:54].values
targets = dataset.iloc[:
浏览 9提问于2021-06-06得票数 0
回答已采纳
我有一个在MNIST上训练的模型，但是当我输入一个手工制作的图像样本时，它会引发ValueError:层顺序的输入0与层不兼容:输入形状的预期轴-1的值为784，但接收到的输入具有形状(无，1)。
我已经检查了模型的输入，它的形状与MNIST相同。x_train.shape (784年)和我的图像arr.shape (784年)请帮助！
..。
from tensorflow.keras.datasets import fashion_mnist
from tensorflow.keras.models import Sequential
from tensorflo
浏览 2提问于2021-02-13得票数 4
回答已采纳
我正在做一个序列神经网络的分类，有3个密集的层，将训练在一个简单的综合数据集。数据集的说明如下：
数据和类标签是整数。每个2000人。
只有一个特性列(由np.arange(2000) *3填充)
只有一个标签表示数字的最后一个数字(由np.arange(2000) *3 %10填充)。
创建模型后，在调用model.fit()时遇到以下错误：
ValueError:层顺序输入0与层不兼容:输入形状的期望轴-1为值1500，但接收到的输入为形状(100，1)。
我已经在Google：https://colab.research.google.com/drive/14v92NTBxIEIFJh2
浏览 0提问于2021-03-28得票数 1
回答已采纳
为了使单个通道图像和一维张量之间的角点级联操作成为可能，我需要重塑我的一维张量的长度，以匹配两个图像维数，并将所有额外的神经元与零匹配。我该怎么做？
示例代码以显示一个等价的问题：
from keras.layers import Input, Dense, Conv2D, Reshape, concatenate
inputs = Input(shape = (784,))
dense_layer = Dense(10)(inputs)
reshaped_layer = Reshape((28, 28, 1))(inputs)
convolved_layer = Conv2D(10,
浏览 4提问于2017-07-27得票数 1
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
我正在研究mnist分类代码。这样的错误继续出现在下面的代码中。 model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=10, input_dim=784, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer=tf.optimizers.Adam(learning_rate=0.001), metrics=['accuracy'])
model.summar
浏览 23提问于2021-10-30得票数 2
0回答
ValueError：“串联”层需要具有匹配形状的输入，但串联轴除外。接收：input_shape=[（无，16，16，128），（无，6，8，8，12）怎么解决
浏览 25提问于2024-05-25
编译模型
model.compile(loss="mse", loss_weights=[0.9, 0.1], optimizer=keras.optimizers.SGD(lr=1e-3))
history = model.fit((x_train_A, x_train_B), (y_train, y_train), epochs=10,
validation_data=((x_valid_A, x_valid_B), (y_valid, y_valid)))
total_loss, main_loss, aux_loss = mo
浏览 0提问于2021-06-20得票数 0
回答已采纳
1回答
我有一个由8列组成的简单文本文件，我用loadtxt函数读取它。我想要绘制为x轴列6列7和y轴列7列8，所以我输入了以下命令
>>> pl.plot(np.subtract(data2[:,6], data2[:7]), np.subtract(data2[:,7], data2[:,8]))
and it gave this error
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ValueError: operands could
浏览 3提问于2013-10-26得票数 1
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
1回答
我对我的模型有两个输入，它们都是张量(一个是输入层，另一个是嵌入层)。我使用的是concatenate，它用于张量，而不是Concatenate，用于层。我以前已经这样做了，没有问题，但我目前使用的是不同的数据集，其中输入有一个不同的形状。我要做的是将图像与嵌入矩阵连接起来，并将其传递到densenet121中：
-----------
|embedding|
| |
-----------
| image |
-----------
它们的原始形状如下：
Image: (?, 224, 224, 1)
embedding: (?, 200, 224)
显然，它们的大小不同
浏览 2提问于2020-01-13得票数 0
回答已采纳
1回答
如何与扁平层连接
、、
我想在连接之前把输入压平，如下所示。
import numpy as np
import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
from tensorflow import keras
from tensorflow.keras import Model
from tensorflow.keras.callbacks import TensorBoard
from tensorflow.keras.layers import (
CategoryEncoding,
Co
浏览 6提问于2022-09-28得票数 1
我正在用Keras和Scikit学习管道建立一个神经网络来进行预处理。到目前为止，我能够构建管道和初始模型体系结构(非常基本)，但有一个问题，将两者结合在一起。我能够将管道用于其他机器学习模型(问题在于深入学习)。
我继续收到以下值错误：
ValueError:层sequential_53的输入0与层不兼容:输入形状的预期轴-1值为5，但接收到的输入为形状(无，49)。
当我更新模型的input_dim以解释初始错误时，在第一个时代运行完之后，我会收到类似的错误：
时代1/100 283/300 ===========================>.- ETA: 0-损失: 0.
浏览 4提问于2021-03-29得票数 1
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
我试图用mnist数据集来模拟LeNet，
我做了以下几件事
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow.keras import layers, models
from tensorflow.keras.utils import plot_model
from tensorflow.keras.optimizers import SGD
import matplotlib.pyplot as plt
import numpy as np
# Import dataset
(train
浏览 0提问于2021-05-26得票数 1
回答已采纳
假设我们有一个数据框架，其中有一个分类列，其中有7个类别-周一、周二、周三、周四、周五、周六和周日。假设我们有100个数据点，我们希望将分类数据作为嵌入层的输入，并使用Keras训练嵌入层。我们如何真正做到这一点？你能分享一些代码示例的直觉吗？
我试过这个代码，但它给我一个错误，说"ValueError："input_length“是1，但收到的输入有形状(None，26)”。我已经参考了这个博客，但我不知道如何在我的特定情况下使用它。
from sklearn.preprocessing import LabelEncoder
l_encoder=LabelEncoder()
浏览 21提问于2019-07-29得票数 0
回答已采纳
我尝试通过执行以下操作将向量输入到numpy矩阵中：
eigvec[:,i] = null
然而，我一直收到这个错误：
ValueError: could not broadcast input array from shape (20,1) into shape (20)
我尝试过使用flatten和reshape，但似乎都不起作用
浏览 1提问于2015-04-15得票数 0
我是tensorflow.When的新手，我试着修改模型结构，我把一个张量'r'，它的形状是(None,1 )，转换成带有tf.reshape(r,4，)的一维张量，然后输入到稠密层中。一维张量的形状为(4，)，稠密层的input_shape设置为(4，)，出现错误。ValueError:层“值”的输入0与图层不兼容: min_ndim=2，found ndim=1。收到的完整形状：(4 )如果您能帮我解决这个问题，我会很感激的。
浏览 5提问于2022-10-26得票数 0
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
1回答
如何将形状为None，128的张量为1,128的张量连接起来。这里，第一个张量是一些未知长度的数据，第二个张量是不依赖于数据大小的固定张量。最后的输出应该是shapeNone，328。这是神经网络连接的一部分。
我试过了
> c = Concatenate(axis = -1, name = 'DQN_Input')([ a, b])
在这里，a.shape = (None，192)和b.shape = (1,128)，但这是行不通的。错误是
ValueError：Concatenate层需要具有匹配形状的输入，但凹轴除外。获得输入形状：(None，192)，(1,12
浏览 0提问于2021-11-13得票数 0
回答已采纳
2回答
我正在尝试构建一个复杂的神经网络。我导入了tensorflow和keras库，并加载了vgg16的卷积层权重，创建了一个适合于分类输入形状图像(128,128,3)的神经网络。以下是神经网络的总结：
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
========================================
浏览 5提问于2020-10-30得票数 0
回答已采纳
2回答
当输入形状不是三维时，抛出错误
、、、、
我的程序接受一个CSV文件，其中前6行是输入。
在定义我使用的输入时：
inputs = Input(shape=(2697, 6))
其中2697是批处理大小，6是输入大小。我知道Input(shape=(batch-size, input-size))是对的。
然而，当我运行它时，我会收到一条消息：ValueError: Error当我检查输入时:预期的input_1有3维，但是得到了形状为(2697，6)的数组。
为什么角角会把它变成三维形状呢？
浏览 3提问于2017-12-23得票数 1
我在深度学习和图像分类方面有点新。我想使用VGG16从图像中提取特征，并将它们作为vit模型的输入。以下是我的代码：
from tensorflow.keras.applications.vgg16 import VGG16
vgg_model = VGG16(include_top=False, weights = 'imagenet', input_shape=(IMAGE_SIZE, IMAGE_SIZE, 3))
for layer in vgg_model.layers:
layer.trainable = False
from vit_keras imp
浏览 13提问于2022-03-02得票数 1
回答已采纳
我试着用tensorflow建立顺序模型。
import tensorflow as tf
import keras
from tensorflow.keras import layers
from keras import optimizers
import numpy as np
model = keras.Sequential (name="model")
model.add(keras.Input(shape=(786,)))
model.add(layers.Dense(2048, activation="relu", name="laye
浏览 6提问于2021-08-20得票数 0
回答已采纳
1回答
我正在尝试运行这个。试着用我自己的数据来测试。当我试图做这件事时，我得到了一个错误：
追溯(最近一次调用)：文件"test.py"，第34行，在输出=预测(模型，输入)文件的第12行，在预测预测=model.predict(图像，batch_size=batch_size)文件的第1441行，在预测x，_中，_=文件"/home/kbdp5524/anaconda3/envs/densedepth/lib/python3.7/site-packages/keras/engine/training.py"，第579行( self._standardize_use
浏览 4提问于2020-02-12得票数 0
回答已采纳
我的网络由LSTM和密集部件组成，由另一个密集部分连接在一起的，I不能连接(1，8)，(None，32)的输入。Reshape和Flatten不起作用。
这里是架构：
def build_model_equal(dropout_rate=0.25):
curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
lstm_1 = LSTM(256, return_sequences=True, dropout=0.1)(curve_input_1)
lstm_1 = LSTM
浏览 0提问于2018-11-22得票数 1
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
我试图让代码要求用户选择k或lambda，然后代码需要为lambda (如果选择k)或k的形状参数(如果选择了lambda )请求一个缩放参数。从这里开始，我需要代码来向用户请求输入以获取min。价值最大。K(或lambda)的值和增量取决于他们最初选择的内容。
例如，输出如下：
您想要绘制变化的曲线:形状参数(k)还是比例参数(lambda)？
请选择：(用户输入- k)
请为lambda输入一个缩放参数：(用户输入- 2)
请输入最大值。价值，最小。K的值和增量：
最大k值(>0)：(用户输入- 1)
最小k值(>min )。K值)：(用户输入- 3)
K的增量(在最小值之间)
浏览 4提问于2022-01-03得票数 -1
回答已采纳
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
2回答
我正试着分批喂养顺序模型。要重现我的示例，假设我的数据是：
X = np.random.rand(432,24,1)
Y = np.random.rand(432,24,1)
我的目标是分批给模型喂食。每次24点(24x1矢量)，432次。
我建立了我的模型如下：
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.3, random_state=12)
model = keras.Sequential([
#keras.layers.Flatten(batch_input_shape=(None
浏览 1提问于2021-10-15得票数 1
回答已采纳
1回答
我试图做一个嵌套循环，以便为各种不同大小的分布找到均方。我一直收到一个错误："ValueError:未能广播输入数组从形状(0，)到形状(1000，)“。
我是个初学者，所以我知道这对某些人来说是微不足道的.
我的代码：
#%% Initialize variables.
rng = np.random.default_rng()
rand = rng.random
num_steps = 1000
num_walks = 1000
x_step = np.zeros((num_steps, num_walks))
y_step = np.zeros((num_steps, num_
浏览 2提问于2022-11-03得票数 0
3回答
我希望在一个特定的轴上交错具有不同尺寸的多个numpy数组。特别是，我有一个形状(_, *dims)数组的列表，这些数组沿第一个轴变化，我想将其交错以获得另一个形状(_, *dims)数组。例如，给定输入
a1 = np.array([[11,12], [41,42]])
a2 = np.array([[21,22], [51,52], [71,72], [91,92], [101,102]])
a3 = np.array([[31,32], [61,62], [81,82]])
interweave(a1,a2,a3)
期望的输出将是
np.array([[11,12], [21,22],
浏览 2提问于2019-06-05得票数 5
回答已采纳
问题
给定构成椭球的三个轴的长度，计算物体的体积，并确定该形状是球体(D)、球体(P)还是斜面椭球(C)。
球体由三个相同长度的轴中的两个组成。
在一个球体中，所有三个轴都有相同的长度。
一个斜角椭球体没有两个长度相同的轴。
禁止使用选择，包括逻辑运算符和关系运算符。
到目前为止，我的代码如下：
*/
#include<stdio.h>
#define PI 3.1416
int main (void)
{
//Local Declarations
double axis1;
double axis2;
double axis3;
doub
浏览 2提问于2016-09-19得票数 0
1回答
我有一个包含100000个二进制三维形状数组(6，4，4)的数据集，所以我输入的形状是(10000，6，4，4)。我正在尝试使用Keras建立一个三维卷积神经网络( input_shape )；但是，我输入的这个3D卷积神经网络似乎有一个问题。我的第一层是：
model.add(Conv3D(20, kernel_size=(2, 2, 2), strides=(1, 1, 1), activation='relu', kernel_initializer='he_uniform', input_shape=(None, 6, 4, 4, 1)))
我收到的错误
浏览 1提问于2021-06-11得票数 0
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
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
我正在做一个从音频中检测鼓声的项目。我目前已经对我的训练数据进行了预处理，并尝试在tensorflow中组合一个SimpleRNN神经网络，但无法使两者协同工作。 在每个时间步中，我的输入由形状(84)的一维张量组成，输出应该是形状(3)的张量。 目前，我的代码如下所示： train_epochs = 10
batch_num = 10
learning_Rate = 0.001
''' I also tried using tf.dataset but couldn't get it to work
train_dataset = dataset.batc
浏览 12提问于2020-12-23得票数 0
回答已采纳
我已经建立并训练了我的CNN模型，我想对它进行测试。我写了一个脚本，从指定的目录路径接收输入图像，然后对图像进行预处理，并将像素值重新调整为0到1之间。我还将图像大小调整为正确的尺寸，并使用model.predict()给出预测。但是，当我运行代码时：
from keras.models import Sequential
from keras_preprocessing.image import *
from keras.layers import *
import tensorflow as tf
import numpy as np
from keras.layers.experimen
浏览 0提问于2020-10-27得票数 3
回答已采纳
这是模型。
model = Sequential()
model.add(Reshape((3,150,150), input_shape=(150,150,3)))
model.add(ZeroPadding2D((1,1)))
print(model.output_shape)
model.add(Conv2D(64,(3,3), activation='relu'))
print model.output_shape
(None, 5, 152, 150)
(None, 3, 150, 64)
当我尝试输入数据时，我得到了这样的结果
ValueError: Error
浏览 1提问于2017-06-26得票数 0
2回答
这里还有很多类似的问题，其中最好的一个可能是：
我被我的函数numpy.append塞满了。在这里你可以找到。
我的两个数组是：
X_p3 = np.array([[1,2], [3,4], [3,3]])
y_3 = np.array([[1], [1],[1]])
形状：X_p3 (3,2)和y_3 (3,1)。
如果我运行：np.append(X_p3, y_3, axis=0)
我收到错误：
ValueError:除级联轴外的所有输入数组尺寸必须完全匹配
我已经尝试过了：np.append(X_p3, y_3.reshape(len(y_3), 2), axis=0)
浏览 5提问于2019-12-06得票数 1
回答已采纳
2回答
我不确定这是否可能，但我想要的是，在下面的第一个打印语句中，我得到一个3项列向量，在下面的第二个打印语句中，我得到一个4项列向量。
import tensorflow as tf
# Mx = b
M = tf.Variable([[1,2,3],[4,5,6],[7,8,9]],validate_shape=False)
x = tf.Variable([[1],[2],[3]])
b = tf.matmul(M,x)
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.ru
浏览 0提问于2018-03-29得票数 0
回答已采纳
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
我在创建一个新的GeoTIFF文件时，仿射变换系数有一些问题。我正在做的是ETL在一个科学数据集上产生一个2D Ndarray，以及一组包含Lat和Lon的网格Ndarray。网格和数据集数组的尺寸都相同，为645x980。据我所理解，当通过Python通过GeoTIFF方法创建仿射系数时，SetGeoTransform()需要一个仿射系数列表。该列表的形式为[xllcorner, xrotation, x_cellsize, yllcorner, yrotation, y_cellsize]。我的方法类似于这里概述的内容：
在这一点上，我遇到了问题。分别用min()方法对lat &
浏览 4提问于2014-07-02得票数 2
我目前正在尝试运行一个以conv1d层作为输入的模型。我认为我的问题是input_shape值。
model = models.Sequential()
model.add(layers.Conv1D(input_shape=(100,), kernel_size=5, filters=100, activation='relu'))
model.add(layers.MaxPooling1D())
model.add(layers.Flatten())
model.add(layers.Dense(units=3, activation='relu'))
mo
浏览 2提问于2021-09-15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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
