2回答
y_train的形状就是(60000,)，这表明它是一个包含数字目标标签(0-9)的一维向量。
为了进行数字分类，神经网络一般输出一个热编码向量，该矢量具有十个维数。我认为我需要使用to_categorical将y目标从数字转换为分类，以便使神经网络的形状输出与训练样本相匹配，这可能是(60000, 10)。当神经网络的
浏览 8提问于2020-06-20得票数 5
回答已采纳
1回答
我正在尝试训练一个深度神经网络，使其能够根据字符串的值对其进行分类。所以，这意味着我的数据全是文本。然而，它不是句子意义上的文本，这是我在互联网上看到的大多数文本分类主题所谈论的内容。为了让算法起作用，我对输入进行了一次性编码(尽管这些不是分类值，所以我不确定是否有更正确的方法对它们进行编码)并训练模型。然而，问题是，当我尝试运
浏览 32提问于2020-07-02得票数 0
回答已采纳
我正在使用Keras的functional API来构建一个简单的顺序神经网络。下面是X_train和y_train_encoded (一个热编码的y_train，有10个类)的形状。(shape=(28,28))hidde
浏览 38提问于2020-12-21得票数 1
回答已采纳
1回答
我有一个Keras分类器，它使用Scikit-Learn的Keras包装器构建。神经网络有10个输出节点，训练数据全部用一次热编码表示.根据Tensorflow ，predict函数输出(n_samples,)的形状。当我安装了514541个样本时，函数返回一个形状为(514541, )的数组，数组的每个条目从0到9不等。由于我
浏览 3提问于2018-01-09得票数 0
回答已采纳
我有一个包含3570个标签的数据集。当我使用sparse_categorical_crossentropy作为损失函数时，输出形状不匹配。sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_traintarget: expected dens
浏览 19提问于2017-07-12得票数 4
1回答
我的问题是预测输出有3个类标签，假设我在我的数据集中有20000个样本，每个样本与标签(0,1,2)相关联。因为这是多类分类问题。我只能将输入作为( 0，1,2)的标签输入到网络中，并根据标签进行预测。提供给网络的数据是否足以学习和预测输出？(165081, 1, 1) (55028, 1, 1)n_batch = 1n_neurons = 10
f
浏览 1提问于2020-06-21得票数 1
我是CNN的新手，我正在创建一个用于图像识别的CNN。我正在尝试调整猫和狗的结构来进行练习，但弹出一个错误，我不知道如何解决它： 下面是我的代码： X_train, X_test, y_train, y_test = train_test_split(X,= keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_te
浏览 19提问于2020-07-25得票数 0
1回答
我正在构建一个Keras模型，将数据分类为9个类别中的一个。问题是它只能与Sigmoid激活一起工作，Sigmoid激活是为二进制输出设计的，其他激活会导致0精度。我需要更改什么才能将其分类到每个标签中？#Reshape data to add new dimensionY_train = X_train.reshapemodel.compile(loss='categorical_hinge
浏览 14提问于2019-10-06得票数 0
回答已采纳
categorical_crossentropy', optimizer='adam', metrics=["accuracy"])print("Train...")我强烈认为这个问题与最终的Dense层有关，在这里，我将nb_classes作为3传递，因为我在y中对3个类别进行了分类。因此，我将Dense层的nb_classes改为1
浏览 0提问于2020-05-01得票数 28
回答已采纳
1回答
我正在尝试在每个尺寸为200x200x3的图像数据集上训练我的cnn模型。我的x_train的尺寸是(25290, 200, 200, 3)，而x_test的尺寸是(7026, 200, 200, 3).。我已经尝试使用fit_generator，但错误仍然存在 这是我构建的模型 model = Sequential()
model.add(Conv2D(64, kernel_size=3, activationoptimizer='adam
浏览 21提问于2019-05-08得票数 0
我不想用Keras训练一个简单的多层感知器。My input (x_train)是一个np.array，其中每个数据点都由一个300维向量表示。我的输出应该是类0,1或2。形状: x_train：(5708,300) y_train：(5708，) shape：(300，)model = Sequential()
model.addoptimizer='sgd', loss='categorical_crossentropy
浏览 0提问于2018-04-06得票数 2
回答已采纳
我正在尝试解决一个简单的多类分类问题。但不知何故，我得到了这个错误。当我使用单层和2个神经元时，程序可以工作，但结果并不好，但这没有意义，因为这是一个多类问题，所以输出层应该在输出端有4个神经元。我认为我在这里做的是一个非常愚蠢的错误。下面是我的代码。import kerasfrom tensorflow.kera
浏览 28提问于2020-04-05得票数 0
我正在用我的数据集构建一个训练分类器。我用TensorFlow编码一个热门标签。在训练数据中附加numpy阵列图像数据和一个热标签数据，然后用于测试数据。但是我发现tensorflow的形状错误。testing_data[-50000:]
y_traintflearn.DNN(convnet, t
浏览 0提问于2018-12-29得票数 0
回答已采纳
1回答
我试图使用人工神经网络进行多类分类，使用Tensorflow和Keras。我正在建造一个具有以下形状的模型：(2000, 5, 5) (800,5, 5) (2000, 4) (800, 4)from tensorflow.ke
浏览 3提问于2021-08-29得票数 0
回答已采纳
1回答
我正在学习标签编码器，一个热编码等应用于数据集，通过KNN和XGBoost类型树进行分类。但是，对于目标变量是否应该是一个热编码变量，我感到有点困惑。在我的例子中，我有一个500x10大小的dataframe，最后一列是目标(用于预测) country列，而其余的499列包含浮点值。.... 40.1 Germany8.1 ........
浏览 0提问于2021-04-19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
浏览 2提问于2021-09-28得票数 1
1回答
我正在尝试调整这个Keras/Tensorflow教程中的文本分类器神经网络，以输出多个(超过两个类别)。我认为我可以改变输出层使用'softmax‘激活，但我不知道如何调整输入层。教程链接：我有16个类别用一个热编码来表
浏览 3提问于2019-08-29得票数 0
3回答
在使用model.fit()时，我得到了一个值错误，我不能理解错误是什么。我想我已经正确地完成了所有的过程。这是我的模型model.add(Dense(42,activation='relu')) # Input layer<ipython-input-26-9dd45f56d29e> in <module>
----> 1 model.fit(x=sc
浏览 0提问于2020-08-31得票数 0
1回答
我正在研究一个多分类问题，使用CNN在角星。我的精确和回忆得分总是超过1，这根本没有任何意义。下面是我的代码，我做错了什么？
浏览 0提问于2018-02-27得票数 0
回答已采纳
我想用Tensorflow训练一个序列神经网络(NN)。import tensorflow as tf
tf.keras.layers.Dense(
units因此，作为NN的输入，我有8个长度为32的numpy数组(一次热编码)和输出的长度为9的numpy数组(一次热编码)。((8, 32), (9,
浏览 2提问于2021-02-24得票数 0
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
