在ValueError中:发现样本数量不一致的输入变量：[75，1]意味着什么？
在ValueError中:发现样本数量不一致的输入变量：75，1意味着输入的两个变量的样本数量不匹配。
具体来说，75，1表示第一个变量有75个样本，而第二个变量只有1个样本。在某些机器学习或数据分析任务中，需要保证输入变量的样本数量一致，以便进行正确的计算和分析。
这种错误可能会导致模型训练失败或产生不准确的结果。为了解决这个问题，可以通过以下几种方式之一来处理：
- 检查数据源：检查数据源，确保数据的采集和处理过程中没有出现错误。确保每个输入变量的样本数量是正确的。
- 数据对齐：如果数据源中存在缺失值或错误的数据，可以尝试对数据进行对齐。可以通过删除缺失值、插值或其他数据清洗方法来处理数据，使得每个输入变量的样本数量一致。
- 数据重采样：如果数据样本数量差异较大，可以考虑对样本数量较多的变量进行随机抽样，使其样本数量与样本数量较少的变量一致。这样可以保持样本数量的一致性，但可能会损失一部分数据信息。
- 重新设计模型：如果样本数量不一致的问题无法通过上述方法解决，可能需要重新设计模型或调整模型的输入要求，以适应不一致的样本数量。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 腾讯云大数据平台（https://cloud.tencent.com/product/emr）
- 腾讯云人工智能平台（https://cloud.tencent.com/product/ai）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mobdev）
- 腾讯云数据库平台（https://cloud.tencent.com/product/cdb）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云存储平台（https://cloud.tencent.com/product/cos）
- 腾讯云视频处理平台（https://cloud.tencent.com/product/vod）
- 腾讯云音视频处理平台（https://cloud.tencent.com/product/maap）
- 腾讯云网络安全平台（https://cloud.tencent.com/product/saf）
- 腾讯云云原生平台（https://cloud.tencent.com/product/tke）
- 腾讯云服务器运维平台（https://cloud.tencent.com/product/cvm）
- 腾讯云网络通信平台（https://cloud.tencent.com/product/cdn）
相关·内容
我只是想做一个简单的最近邻分类，但我对这个错误感到困惑：
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X_train, y_train)
这会产生：
ValueError: Found input variables with inconsistent numbers of samples: [489, 1890]
有没有人解释一下我错过了什么？
浏览 2提问于2017-04-19得票数 0
我正在做一个样本大小为30的项目。我有7个特性预测一个连续变量，我的目标是优化r-值。如果我将train_test_split()的随机种子更改100次，就会得到.6和.9之间的相关系数，并且偶尔会出现负r值。
我该怎么解释呢？对于如此小的数据集和对我的训练数据的随机洗牌，这种变化是否正常？还是发生了什么事？我该如何决定使用哪种种子？
浏览 0提问于2018-04-27得票数 0
我正在使用keras调谐器来优化超参数:隐藏层、神经元、激活函数和学习率。我有31个输入，32个输出，N个数据样本的时间序列回归问题。
我的原始X_train形状是(N,31)，Y_train形状是(N,32)。我将其转换为keras形状，并重塑X_train和Y_train，如下所示: X_train.shape：(N,31,1) Y_train.shape：(N,32)。
在上面的代码中，X_train.shape(1)是31，Y_train.shape(1)是32。当我使用超参数调整时，它显示ValueError:层lstm_1的输入0与层不兼容:期望的ndim=3，发现ndi
浏览 8提问于2021-04-25得票数 1
运行下面的代码时出现值错误，我认为这可能是由于iloc代码将数据拆分为x和y，但看不出我做错了什么： if st.checkbox('Select Multiple Columns'):
new_data = st.multiselect(
"Select the target columns. Please note, the target variable should be the last column selected",
浏览 125提问于2021-03-24得票数 0
回答已采纳
4回答
嗨，请下面的代码，当大小> 5时抛出错误。在python2.7中是否会有另一个随机函数，可以从初始个体生成6个或更多不同的样本，以便在它后面附加6个列表。谢谢
import random as rand
population = []
individual = [1,2,3,4,5]
size = 5
for ind in individual:
population.append((rand.sample(individual, size)))
print "pop", population
#output
pop = [[1, 3, 5, 2
浏览 5提问于2014-05-19得票数 0
回答已采纳
from sklearn.feature_extraction.text import CountVectorizer
vectorizer = CountVectorizer()
train_matrix = vectorizer.fit_transform(train_data['review'])
test_matrix = vectorizer.fit_transform(test_data['review'])
训练LogisticRegressor
from sklearn.linear_model import LogisticRegress
浏览 71提问于2018-06-04得票数 0
我已经看过了已经回答的问题，但我仍然感到困惑。我已经运行了100次代码，并且一直得到相同的"ValueError: need more more value to unpack“错误，所以很明显，有些东西没有计算出来(看到我在那里做了什么吗？)对我来说。有人能看看我的代码，像小孩子一样向我解释我把什么搞砸了吗？
显然，我偏离了课程中的术语，完全是出于沮丧
我写的是：
from sys import argv
script, called, coding, confusing = argv
print "The script is called:", script
p
浏览 0提问于2014-01-11得票数 1
1回答
关于如何整形lstm数据的建议
、、、、
我有一个933个矩阵的时间序列，每个矩阵是一个8x10矩阵。这是我的X(输入)。所以X有形状(933，8，10)。Y(输出)是933个向量的时间序列，每个向量是一个5维向量。所以Y有形状(933，1，5)。
我还可以重塑数据(应该吗？)例如X是( 933，80)，Y是( 933，5)，因为实际上最终它只是一组80个数字中的933个样本用于输入(假设矩阵中有80个像素)，以及一组5个数字中的933个样本用于输出。
我正在写一个CNN-LSTM。我仍然不知道训练/测试的大小，让我们现在假设我想使用所有933个样本进行训练。我的模型是：
model = Sequential()
# define C
浏览 2提问于2020-07-12得票数 1
我使用theano函数，并希望使用givens来迭代所有输入样本。代码如下：
index = T.scalar('index')
train_set = np.array([[0.2, 0.5, 0.01], [0.3, 0.91, 0.4], [0.1, 0.7, 0.22],
[0.7, 0.54, 0.2], [0.1, 0.12, 0.3], [0.2, 0.52, 0.1],
[0.12, 0.08, 0.4], [0.02, 0.7, 0.22], [0.71, 0.5, 0
浏览 0提问于2014-05-17得票数 2
1回答
我有一个dataset，我已经将我的张量重新配置为一个3072大小的线数组。我已经重新配置了有效的数据集和培训数据集。您可以在下面找到有关“我的列车”、“有效数据集”及其形状的所有信息：
训练数据集大小: 3991有效数据集大小: 908个类数:10个样本点云形状: torch.Size(三零七二)
我有一个测试函数，定义如下：
import torch
from sklearn.metrics import accuracy_score
def test(model, test_loader):
# ensure model is in eval mode
mode
浏览 0提问于2022-07-20得票数 2
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
2回答
关于LSTM神经网络，我无法理解批次大小、输入层中的神经元数量与输入中的“变量”或“列”数之间的关系。(假设有一种关系，尽管看到了相反的例子，我还是不明白为什么没有关系)
为了清晰起见，我将使用一个示例来描述我的查询。
让我们假设数据集包含三列输入和一列输出。因此，它将类似于输入变量1输入变量2输入变量3输出变量1
据我所知，LSTM网络的输入层必须有3个神经元对应于每个输入变量。它不能少或多。尽管我看到过像这个答案这样的例子(这似乎描述得很好，但不幸的是，我无法理解)。
现在，让我们说，我们有50行以上的4列。
这对我来说基本上意味着我们有50个样本。如果批次大小是5，那么我们有多少输入神经
浏览 0提问于2018-08-08得票数 5
我正在从文件中提取数据。当我尝试打印一些特殊的值时，出现以下信息
ValueError Traceback (most recent call last)
<ipython-input-74-3ebd5a973be1> in <module>()
5 fig.suptitle('file.txt')
6
----> 7 fs, data = np.loadtxt('file.txt', delimiter = ' ', unpac
浏览 0提问于2020-03-26得票数 0
上下文：
我目前正在使用带有Tensorflow后端的Keras进行时间序列预测，因此，我研究了提供的教程。
在本教程之后，我介绍了fit_generator()方法的生成器。该生成器生成的输出如下(左示例，右目标)：
[[[10. 15.]
[20. 25.]]] => [[30. 35.]] -> Batch no. 1: 2 Samples | 1 Target
---------------------------------------------
[[[20. 25.]
[30. 35.]]] => [[40. 45.]] ->
浏览 0提问于2019-05-21得票数 15
回答已采纳
我正在尝试训练一个CNN模型，在第一个时期之后，我得到了以下错误： ValueError:找到具有0个样本(shape=(0，))的数组，但至少需要1个样本。 看起来像是在抱怨下面这一行： X = onehot.transform(df.iloc[start_index: end_index][['Num1','Num2']])
浏览 31提问于2020-04-08得票数 1
我正在试着列出去外太空旅行时要带去的重量清单。我试图展示有多少人会来，是这样的：
def flcr():
try:
Value1 = int(input())
except ValueError:
print("That was an incorrect format! Try again.")
flcr()
global x
x = Value1
然后用户必须一个接一个地输入权重。这是我尝试过的：
def enter():
print("How much is each fligh
浏览 0提问于2020-05-02得票数 1
如果我知道我的样本大小为449，平均值为81.69，中位数为81.68，第30百分位数为79.43，第90百分位数为85.06，我如何估计分布？
浏览 2提问于2013-11-05得票数 3
回答已采纳
我不明白是怎么回事。这里有两个简单的距离发生器。在输入大于最大值的情况下，两者都会提高ValueError。第一种是发电机理解，第二种是使用产量。
MSG = 'Wrong number'
MAX = 20
def test_compr(n, m=MAX):
if n > m:
raise ValueError('{} {} in {}'.format(MSG, n, test_compr.__name__))
return (i for i in range(n))
def test_yield(n, m=MAX):
浏览 1提问于2020-03-26得票数 2
回答已采纳
我在Biztalk中运行应用程序时遇到问题。它正在处理大量数据，并对SAP进行大量调用(每个输入文件有数千个调用)。问题是，到SQL server的流量比到SAP的流量大10倍。
我怀疑有一些消息被Biztalk持久化到数据库中，这些消息在那个阶段是可以避免或不需要的。
为了提供一些数字，对3个文件的处理为我提供了大约5-6个持久化点/sec和1MB/s到SQL server的流量。
有没有办法查看数据库中持久化的内容和每个消息/对象的大小？
浏览 0提问于2014-06-11得票数 0
2回答
我正在使用Keras的LSTM处理一个时间序列预测问题。我已经在TimeseriesGenerator上完成了数据集的整形和批处理，但是我不确定我是否得到了我想要的结果，所以我试图让它简单地进行调试。
我的数据由一个样本组成，包含100个时间步骤和1个特性，我使用最后30个值进行测试。我不知道训练x/y数据集的形状有什么问题。
train_x, test_x, train_y, test_y = train_test_split(x, y, test_size=30, shuffle=False)
train_x = np.reshape(train_x, (1, train_x.shape[
浏览 0提问于2018-07-23得票数 0
我用Nextflow实现了一些NGS数据分析工作流。我在我的一些工作流过程中使用了“配对结束”通道(fromFilePairs方法)。在多个工作流执行之后，我遇到了一个意想不到的问题：--我的示例ID有时会混合在一起，导致发生的进程的输出不准确。我认为这与不确定输入通道问题 ()有关。
让我们假设我将我的工作应用于这些配对的端文件: sample1_R{1,2}.fastq，sample2_R{1,2}.fastq
process Step1 {
input:
tuple pair_ID, file(A) from channelA
tuple pair
浏览 0提问于2020-09-17得票数 2
回答已采纳
1回答
我正在使用来实现HMM。我遵循文档中关于使用from_samples函数的说明，其中一个参数labels应该是：
An array of state labels for each sequence. This is only used in ‘labeled’ training. If used this must be comprised of n lists where n is the number of sequences to train on, and each of those lists must have one label per observation. Default
浏览 13提问于2017-08-10得票数 1
当我运行这段代码时：
feature_names = ["date","shop_id", "item_id", "item_price", "item_cnt_day"]
feature_names
X_train = train[feature_names]
print(X_train.shape)
X_train.head()
X_sales = sales[feature_names]
print(X_sales.shape)
X_sales.head()
from sklearn.model_sel
浏览 0提问于2021-02-09得票数 0
我使用按排序顺序存储对象。尽管ValueError对象确实在列表中，但我仍然没有将该对象放在列表中。
这里是一个可重复的例子
from sortedcontainers import SortedSet
a = SortedSet()
class example:
def __init__(self,p, id):
self.p = p
self.id = id
def __lt__(self, other):
return self.p < other.p
a.add(example(5, 1))
x = ex
浏览 3提问于2021-03-25得票数 1
回答已采纳
我的(Keras)模型有两个不同形状的输入。Keras网站上的说它应该能工作。
我将输入定义如下：
model1 = Model(inputs=[uii, vji], outputs=[decoded,decoded2, prod])
model1.summary()
Model: "model_10"
__________________________________________________________________________________________________
Layer (type) Outpu
浏览 9提问于2020-01-27得票数 0
回答已采纳
我使用的是Keras的LSTM模型。 输入数据形状：(无，210，4) “210”是“21个样本*10” 称为输入数据形状：(无，21，4) 这本应是个问题，但事实并非如此。 我可以连续使用这个吗？ 为什么会出现这样的问题？ 警告:tensorflow:模型是使用输入输入( KerasTensor(type_spec=TensorSpec(shape=(None，210，4)，dtype=tf.float32，name='lstm_ input ')，name='lstm_ input '，description=“由层‘lstm_input’”创建)的sha
浏览 12提问于2021-05-05得票数 0
谢谢你愿意帮忙。
直截了当地说，在分析搜索算法的最坏情况时间复杂度时，我对Big O符号的使用感到困惑。例如，Alpha-Beta剪枝的最坏情况时间复杂度为O(b^d)，其中^表示~的幂，b表示平均分支因子，d表示搜索树的深度。
我确实知道最坏情况下的时间复杂度将小于或等于一个正常数乘以b^d，但是为什么这里允许使用大O符号呢？变量n，即输入大小，到哪里去了？我确实知道，相同大小的输入可能会导致算法的时间复杂度存在显着差异。
我所做的所有研究都只是用增长函数来解释“大o符号在最坏情况下时间复杂度分析中的使用”，增长函数是一个以变量y作为时间复杂度，变量x作为输入大小的函数。还有一些大o符号的正
浏览 15提问于2017-07-10得票数 1
回答已采纳
我学会编码的许多例子都是标量输入数。我想试试矢量输入。以为例
我尝试将代码更改为输入x，x^2而不是x，并进行了以下两行更改。但我得到了错误。
在STOCKLSTM中: self._input_data = tf.placeholder(tf.float32，2，batch_size，num_steps)
在主/纪元成本中，状态_= session.run(m.cost，m.final_state，eval_op，{m.input_data：(x，x**2)，m.targets: y，m.initial_state:状态})
错误：
ValueError: Cannot feed value
浏览 2提问于2016-07-01得票数 0
我是数据科学和随机森林的新手，当然，在将随机森林应用于(1239，29)数据集之后，我一直试图找到调整的R平方和RMSE。
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn.metrics import mean_squared_error, mean_squared_log_error, mean_absolute_error
from sklearn.model_selection import train_test_split
X = df.loc[:, df.colu
浏览 6提问于2020-11-04得票数 2
回答已采纳
我正在尝试从一个图中随机选择n个样本。为此，我使用random.sample函数创建了一个名为X的列表，如下所示：
X= random.sample(range(graph.ecount()), numPosSamples)
问题是，当numPosSamples等于graph.ecount()时，我收到以下错误：
ValueError: Sample larger than population
任何帮助都将不胜感激。谢谢
浏览 11提问于2015-04-21得票数 4
回答已采纳
我正试着用numpy从头开始创建一个神经网络。我已经建立了一个网络，可以对虹膜数据库进行高度精确的分类。
我面临的问题是，有时网络不是预测给定输入的类别，而是训练返回训练样本的概率分布，而不考虑输入。
因此，在对150个样本(每个类50个样本)进行网络培训之后，在对一个样本进行测试时，我将为三个类中的每个类获得(0.333，0.333，0.333)，其中预期的输出应该是(例如，1，0，0)。
我已经通过调整超级参数来解决这个问题，但是我在葡萄酒数据集上也面临着一个类似的问题，我不能这样做。
以前有人遇到过这个问题吗？你是怎么解决的？
浏览 0提问于2019-06-19得票数 0
2回答
from sys import argv
script, first, second, third = argv
输入第2行后，我得到以下错误：
回溯(最近一次调用)：File ""，第1行，在ValueError中:需要超过一个值才能解包
浏览 3提问于2012-10-05得票数 0
我想使用Keras来训练带有一批训练数据的多输入神经网络，但是我无法传递一组输入和输出样本来在模型上执行fit或train_on_batch。
我的NN的定义如下：
i1 = keras.layers.Input(shape=(2,))
i2 = keras.layers.Input(shape=(2,))
i3 = keras.layers.Input(shape=(2,))
i_layer = keras.layers.Dense(2, activation='sigmoid')
embedded_i1 = i_layer(i1)
浏览 4提问于2017-07-31得票数 7
回答已采纳
1回答
用击数预测
、、、、
如果我有一个有1083个样本的训练数据集和一个有79871个样本的测试数据集，那么如何使样本相等呢？我一直在使用SMOTE，但现在我发现了错误。
ValueError: Unknown label type: 'continuous-multioutput'
我的代码：
from imblearn.over_sampling import SMOTE
from sklearn import utils
over_sampler = SMOTE()
print(utils.multiclass.type_of_target(x))
print(utils.multiclas
浏览 8提问于2022-01-29得票数 0
有人能帮我解决这个错误吗？
ValueError :找到样本数不一致的输入变量: 720，53
浏览 4提问于2022-07-16得票数 0
1回答
我有一个大的数据文件，有大约一百万条记录和19个特性(+1目标变量)。由于我无法训练我的RF分类器由于记忆错误(这是一个多类分类约750类)，所以我采取批量学习。模型训练得很好，但是当我运行model.predict命令时，它给出了下面的ValueError
ValueError: operands could not be broadcast together with shapes (231106,628) (231106,620) (231106,628).
我的代码如下：
#Splitting into Dependent and Independent Variables
X= d
浏览 1提问于2020-04-24得票数 2
回答已采纳
我有一个经过训练的sklearn随机森林多标签分类器，在训练集中，始终存在一个类，这意味着您希望分类器总是返回这个类的1。这种情况发生了，但是分类器返回1而不是0，1。
[array([[0.05, 0.95]]), array([[0.97, 0.03]]),
array([[0.95, 0.05]]), array([[1., 0.]]), array([[1., 0.]]),
array([[1., 0.]]), array([[0.65, 0.35]]), array([[1.]])]
为什么会出现这种情况，以及如何防止这种情况发生呢?在本例中，这是一个单一输入的结果，但在我的例子
浏览 4提问于2022-05-18得票数 0
回答已采纳
我希望在keras中使用Convulation1D对数据集进行分类。
DataSet Description
训练数据集大小= 340,30；无样本= 340，样本尺寸= 30
测试数据集大小= 230；no =230，样本尺寸= 30
标签大小=2
首先，我尝试使用keras 中的信息编写以下代码
batch_size=1
nb_epoch = 10
sizeX=340
sizeY=30
model = Sequential()
model.add(Convolution1D(64, 3, border_mode='same', input_shape=(sizeX,size
浏览 9提问于2016-12-25得票数 0
我如何修复它抛出的这个错误？ValueError:发现样本数量不一致的输入变量:143426
#split the data set into independent (X) and dependent (Y) data sets
X = df.iloc[:,2:31].values
Y = df.iloc[:,1].values
#split the data qet into 75% training and 25% testing
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.25, ra
浏览 15提问于2021-05-16得票数 0
回答已采纳
1回答
我有一个与下表类似的数据集：
预测目标将是“得分”列。我想知道如何将测试集划分为不同的子组，例如1到3之间的分数，或者检查每个子组的准确性。
现在我要做的是：
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
model = tree.DecisionTreeRegressor()
model.fit(X_train, y_train)
for i in (0,1,2,3,4):
y_new=y_test[(y_test>=i) & (y_test<=i+1)]
浏览 0提问于2019-02-12得票数 1
回答已采纳
我想做什么：，我有多个并行时间序列，我试图根据所有这些时间序列预测另一个值(我不确定这是否仍然被称为回归)。其中一个时间序列是最重要的时间序列，它的值应该比其他时间序列的值有更大的影响。
我所做的：，我有一个用keras实现的神经网络。它有几个输入，每个时间序列都有一个：
main_input = Input(...)
context_input1 = Input(...)
context_input2 = Input(...)
...
context_inputn = Input(...)
问题在哪里：如何实现main_input中的样本比context_input1、.、context_i
浏览 6提问于2021-01-20得票数 0
我刚接触pyspark，已经有几年没有使用过spark了。有人能解释一下这里发生了什么吗：
import random
import pyspark
sc.stop()
sc = pyspark.SparkContext('local[*]')
xx = sc.parallelize(range(100))
yy = sc.parallelize(list(map(lambda x : x *2, range(100))))
print(xx.count())
print(yy.count())
zipped = xx.zip(yy)
print(zipped.colle
浏览 3提问于2020-11-23得票数 0
我试图使用RandomForestRegressor预测未来冠状病毒病例的数量，但当我试图执行它时，它给了我这样的错误：
ValueError Traceback (most recent call last)
<ipython-input-181-c9a9a8208098> in <module>()
1 test_data = np.arange(260, 367).reshape(-1, 1)
----> 2 rf_regressor_fit_future = rf_regresso
浏览 2提问于2020-09-21得票数 0
我正在使用load_iris数据集，但是输入变量出现了错误。
我导入了数据集，并选择了X和y：
from sklearn.datasets import load_iris
iris = load_iris()
x = iris.data
y = iris.target
然后，我把我的数据在火车和测试数据分开：
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.5, train_size=0.5, random_state=1)
最后用所需的模型训练我的数据：
tree = DecisionTre
浏览 5提问于2021-02-10得票数 0
回答已采纳
下面的代码从.wav文件生成直方图，但是直方图到底显示了什么呢？X轴的振幅是否受采样率的限制？Y轴是每个振幅单元中有多少个样本的计数吗？那么振幅是如何计算的呢？
import numpy as np
import matplotlib.pyplot as plt
Fs, data = wavfile.read('audio file')
plt.hist(data, bins = 'auto')
plt.show()
浏览 4提问于2021-03-04得票数 0
1回答
，我正在找到一个字符串中的1，然后存储它们。
样本数据：
示例代码：
def indices(chromosome):
return {i for i,c in enumerate(chromosome) if c=='1'}
for ind in df_initial_pop['initial_pop'].index:
locations = indices(df_initial_pop['initial_pop'] [ind])
print (locations)
输出：
{32, 29, 31}
{8,
浏览 6提问于2022-10-25得票数 0
回答已采纳
2回答
我有一个数据集，它有2488个样本，每个样本有13个features.Now，我想在R中对这个数据集执行集群，但是我找到了k-均值方法，通常对于二维的data.So，有帮助吗？非常感谢！
浏览 0提问于2019-08-02得票数 0
回答已采纳
训练特征，形状(1032，5，5,122880)，进入LSTM层。这将产生"ValueError: Input 0与图层lstm_16不兼容:预期的ndim=3，找到的ndim=2“
1032是训练样本的数量
5x5x122880是训练样本的瓶颈特征
model = Sequential()
model.add(CuDNNLSTM(2048,input_shape=train_final_model.shape[:1))
model.add(Dense(2, activation='sigmoid'))
似乎Keras的ValueError告诉我，在通过LSTM
浏览 21提问于2018-03-05得票数 1
回答已采纳
2回答
我仍然在学习GNU电台，我很难理解一些关于信号处理块类型的东西。我知道，如果我创建一个块，在输入输出4个样本中抽取2个样本，它将是一个2的内插器。
但现在，我想创建一个街区，它将是一个框架。因此，它将有两个输入和一个输出。块将接收来自第一输入的n样本，然后从第二输入获取m输入并附加到从输入输入接收的样本中，然后输出它们。在这种情况下，我的样本应该是字节。
请问在这种情况下如何处理？我走的路是对的吗？有人知道如何处理这种场景吗？
浏览 3提问于2016-03-29得票数 3
回答已采纳
2回答
我在Keras创建了一个CNN，每个层有12个卷积层，然后是BatchNormalization、Activation和MaxPooling。这一层的样本如下：
model.add(Conv2D(256, (3, 3), padding='same'))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=2))
我从32个特征地图开始，以512结束。如果我在上面的代码中的每个Conv层之后添加了MaxPooling，那么在最
浏览 0提问于2017-10-01得票数 1
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
