如何在使用sparse_categorical_crossentropy时修复形状不匹配错误
在使用sparse_categorical_crossentropy时修复形状不匹配错误的方法如下：
- 确保标签数据的形状与模型输出的形状相匹配。sparse_categorical_crossentropy要求标签数据是整数形式的类别标签，且形状与模型输出的形状一致。如果标签数据的形状不匹配，可以使用reshape或expand_dims函数来调整形状。
- 检查模型的输出层激活函数是否正确。sparse_categorical_crossentropy适用于多分类问题，要求模型的输出层激活函数为softmax。确保模型的输出层激活函数设置正确。
- 检查标签数据的取值范围是否正确。sparse_categorical_crossentropy要求标签数据的取值范围在0到类别数-1之间。如果标签数据的取值范围不正确，可以使用LabelEncoder等方法将标签数据进行编码转换。
- 检查模型的输出形状是否正确。如果模型的输出形状与标签数据的形状不匹配，可以通过调整模型架构或使用Reshape层等方法来修复形状不匹配错误。
- 检查数据集的样本数量是否足够。如果数据集的样本数量过少，可能导致形状不匹配错误。可以尝试增加数据集的样本数量或使用数据增强技术来扩充数据集。
腾讯云相关产品推荐：
- 腾讯云AI开放平台：提供了丰富的人工智能服务和API，包括图像识别、语音识别、自然语言处理等，可用于构建智能应用。详情请参考：腾讯云AI开放平台
- 腾讯云云服务器（CVM）：提供高性能、可扩展的云服务器实例，可用于部署和运行各类应用程序。详情请参考：腾讯云云服务器（CVM）
- 腾讯云对象存储（COS）：提供安全可靠、高扩展性的云存储服务，可用于存储和管理各类数据。详情请参考：腾讯云对象存储（COS）
- 腾讯云区块链服务（BCS）：提供一站式区块链解决方案，包括区块链网络搭建、智能合约开发、链上数据存储等功能。详情请参考：腾讯云区块链服务（BCS）
以上是腾讯云相关产品的简介和链接地址，供参考使用。
相关·内容
我正在使用Keras自动识别我的CNN的最佳参数。我正在使用Celeb_a数据集。
您可以找到我使用的代码，当我试图运行它时，我会看到下面的错误。
sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits :日志和标签必须具有相同的一维，得到逻辑形状为1,10和标签形状为40节点的InvalidArgumentError(定义在C:\Users\admin-sepr\anaconda3\envs\tf\lib\site-packages\ker
浏览 0提问于2021-04-12得票数 0
回答已采纳
我想知道为什么当输入两个相同形状和相同内容的张量时，我会得到调用sparse_categorical_crossentropy损失函数时得到的错误。我有以下代码：
labels = np.array([0,1,2])
logits = np.array([0,1,2])
tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)
我得到了以下错误：
/tensorflow-2.1.0/python3.6/tensorflow_core/python/keras/losses.py in sp
浏览 35提问于2020-03-02得票数 0
我使用了两个具有(1, 5)形状的数组，所以我使用了layers.Input(shape=(5,)),，但是在输出中我得到了以下错误：
'sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits‘逻辑和标签必须具有相同的一维，得到逻辑形状1,5和标签形状5{节点sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntr
浏览 11提问于2022-07-09得票数 -1
1回答
我正在尝试在keras中实现一个密集层。输入是两个通道的脑电记录，每个通道由8个点组成的向量，总训练点为17个，y也是17个点。 我用过 x=x.reshape(17,2,8,1)
y=y.reshape(17,1,1,1)
model.add(Dense(1, input_shape=(2,8,1), activation='relu'))
print(model.summary())
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam')
print(
浏览 27提问于2020-05-02得票数 0
回答已采纳
2回答
所以我有一些机器学习数据分成测试和训练数据。数据从csv文件中导入，并使用numpy数组拆分为训练和测试数据。我能够很好地拆分数据，但是当我试图在模型中使用这些数据时，我会得到以下错误：
ValueError: Input 0 of layer "mobilenetv2_1.00_3998" is incompatible with the layer: expected shape=(None, 3998, 140, 1), found shape=(None, 140, 1)
我试图重塑数据，以匹配模型的输入形状。这仍然不起作用，也不太确定该怎么做。数据需要重新调整，但要有
浏览 13提问于2022-02-17得票数 -1
1回答
我正在使用Keras.版本的 '2.3.1‘来训练使用迁移学习的Resnet-50。
在运行以下代码时，我得到了一个错误：
history = model.fit_generator(generator=train_generator,
epochs= 3,
validation_data=validation_generator)
我得到的错误是：
Epoch 1/3
-------------------------------------------------
浏览 3提问于2020-07-01得票数 0
我在NumPy中创建了两个随机数组，然后在model.fit()中使用了x和y，但是我得到了以下错误：
'sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits‘逻辑和标签必须具有相同的一维，得到逻辑形状3,3和标签形状33{节点sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits}}
浏览 8提问于2022-07-09得票数 1
回答已采纳
1回答
我第一次尝试实现Keras (很抱歉，这个愚蠢的问题)，这是一个更广泛的项目的一部分，这个项目是为了让AI学会玩connect 4。作为其中的一部分，我传递了一个NN，一个6*7的网格，它输出了一个由7个值组成的数组，给出了游戏中每列选择的概率。下面是Model.summary()方法的输出，以获得更多细节：
______________________________________________________________
Layer (type) Output Shape Param #
===============
浏览 2提问于2018-12-21得票数 0
回答已采纳
1回答
形状不匹配，2D输入和2D标签
、、、、
我想要创建一个神经网络，-easy -用一个图像(灰度)创建一个图像，我已经成功地创建了一个由3200个输入和输出(标签)图像示例组成的数据集。(我知道数据集应该更大，但这不是现在的问题)
输入符号具有大小(3200，50，30)，因为它是50*30像素，输出yout的大小是(3200，30，20)，因为它是30*20像素。
我想尝试一个完全连接的网络(稍后在CNN上)--完全连接的模型看起来是这样的：
# 5 Create Model
model = tf.keras.models.Sequential()
model.add(
浏览 2提问于2020-03-22得票数 0
回答已采纳
我正在尝试创造一个GNN来模拟一种蛋白质。但是，我在GraphConv中遇到了一个错误(我在GCNConv中得到了同样的错误)。我不明白为什么我要得到这个错误，而形状应该可以乘以。我认为错误一定与我创建的自定义数据集有关，但我不能100%确定。如果你有类似的问题，或者知道如何解决这个问题，请告诉我。谢谢。
编辑:即使我将embedding_size更改为1479，我仍然得到：RuntimeError: mat1 and mat2 shapes cannot be multiplied (1479x1 and 1479x1479)。
自定义数据集：
class ProteinDataset(ge
浏览 9提问于2022-01-25得票数 0
2回答
我无法获得正确的输入形状
、、、、
下面的代码给了我一个输入错误，我找不到它。
import tensorflow as tf
import neural_structured_learning as nsl
.
.
.
b_size = 132
m = tf.keras.Sequential()
m.add(tf.keras.layers.Dense(980, activation = 'relu', input_shape = (2206,2,)))
m.add(tf.keras.layers.Dense(560, activation = 'relu'))
m.add(tf.keras.l
浏览 21提问于2020-05-15得票数 1
回答已采纳
我有一个tflite模型，期望输入形状为(1,1000，12)。为了测试它，我打算加载一个CSV文件并对其运行推理。下面是我的代码和我在运行它时得到的错误消息的相关部分。 我假设我在正确加载或读取CSV文件时犯了一个错误。我是Android的新手，在这件事上如果有任何帮助，我将非常感谢！ val testModel = myModel.newInstance(context)
// Creates inputs for reference.
val inputFeature0 = TensorBuffer.createFixedSize(intArrayOf(1, 1000, 12), D
浏览 12提问于2021-03-19得票数 0
我正在尝试使用tensorflow.keras来训练一个神经网络，但是我不明白如何用一个numpy数组(在python3中)来训练它。
我试图改变这些层的输入形状，但是我真的不明白它是如何工作的。
import tensorflow as tf
from tensorflow import keras
import numpy as np
# Create the array of data
train_data = [[1.0,2.0,3.0],[4.0,5.0,6.0]]
train_data_np = np.asarray(train_data)
train_label = [[1,
浏览 1提问于2019-04-04得票数 1
回答已采纳
我已经开始对从获取的MNIST数据进行基本的MLP模型的培训。下面是我实现该模型的代码。
train = pd.read_csv(r"train.csv")
test = pd.read_csv(r"test.csv")
train_img_path = "./Images/train/"
test_img_path = "./Images/test/"
train_img = []
for img in train['filename']:
img_path = train_img_path+img
浏览 1提问于2021-08-04得票数 0
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。
model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))
model.compile(loss='sparse_categorica
浏览 19提问于2017-07-12得票数 4
我试着做一个简单的CNN分类器模型。对于我的训练图像(BATCH_SIZEx227x227x1)和标签(BATCH_SIZEx7)数据集，我使用的是numpy ndarray，它们通过ImageDataGenerator成批地传送到模型中。我使用的损失函数是tf.nn.sparse_categorical_crossentropy。当模型试图训练时，就会出现问题；模型(对于我的简化实验来说，批处理大小是1)输出的形状为1，7，标签为7。
我几乎肯定我知道原因，但我不知道如何解决。我的假设是，sparse_categorical_crossentropy正在压缩我的标签的尺寸(例如，当BATCH
浏览 0提问于2019-05-25得票数 9
回答已采纳
我目前正在模拟一个结构优化问题，其中响应梯度从Nastran提取并提供给OpenMDAO中的SLSQP优化器。约束的数量在随后的迭代中发生变化，因为设计变量同时包含形状和大小变量，因此每次都生成一个新的网格。约束组件是在OpenMDAO中定义的，它读取从Nastran导出的响应数据。现在，这里的问题是如何定义其输出变量"f_const“的形状。这个输出变量的形状需要根据可用响应数组的形状进行调整，因为输出‘f_const’= np.loadtxt("nsatran_const.dat")。在这里，nastran_const.dat是包含从Nastran提取的响应数据的文
浏览 11提问于2022-01-17得票数 1
我使用的是多模态MR图像数据集。我不明白是什么导致了训练过程中的这个错误：
InvalidArgumentError: logits and labels must have the same first dimension, got logits shape [64,4] and labels shape [9437184]
sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits
我的代码：
conv_base=VGG16(wei
浏览 3提问于2021-02-13得票数 1
问题描述
我有一个数据集(features=175，n_time_steps=954，Number of sequences=737)。第1-174列是特征，最后一个目标列包含3个不同的类。我想使用LSTM进行多类分类，以仅预测最后一个时间步，即使用953个步骤和特征来预测步骤954的类别。我正在努力解决y_train输入的结构问题。我将感谢任何关于如何正确重塑y_train来解决这个问题的想法。
数据
我有737个产品，每个产品都有954天的销量。目标类是(0-当产品不存在时，1- typeA的产品，2类型B的产品)。我需要使用953天和174个特征来预测每个产品在序列的最后日期(954)的
浏览 0提问于2019-08-22得票数 1
3回答
我试着给火炬张量分配一些值。在下面的示例代码中，我初始化了一个张量U，并尝试将张量b分配给它的最后的2维。实际上，这是在i和j上的一个循环，它解决了一些训练数据的关系(在这里10)，并将其分配到相应的位置。
import torch
U = torch.zeros([10, 1, 4, 4])
b = torch.rand([10, 1, 1, 1])
i = 2
j = 2
U[:, :, i, j] = b
我期望向量b被分配给相应的训练数据的维数i和j(训练数据的形状为(10,1))，但它给了我一个错误。我得到的错误如下
RuntimeError: expand(torch.Floa
浏览 0提问于2019-06-03得票数 0
回答已采纳
我试着用cnn的方法训练一个模型，用tensorflow和keras，但是我一直收到错误--在这个代码下面，有人能帮我或者至少给我一个安静的建议吗？
#Convolutional Neural Network (CNN) with Word2Vec
CNN_Word2Vec_model = Sequential([
Embedding(input_dim =word2Vec_embedding_matrix.shape[0], input_length=max_len, output_dim=word2Vec_embedding_matrix.shape[1],weig
浏览 5提问于2022-05-06得票数 0
ValueError:在检查目标时出错:期望activation_81具有形状(1 )，但得到与形状(7，)相同的数组
我使用神经网络对7个类别进行了多类分类，但在这一点上失败了。
cnnhistory=model.fit(x_traincnn,
y_train,
batch_size=16,
epochs=700,
validation_data=(x_testcnn, y_test),
浏览 1提问于2019-12-14得票数 0
import tensorflow as tf
import numpy as np
train_data = tf.constant([
[[0, 1, 2, 3, 4],
[10, 11, 12, 13, 14],
[5, 6, 7, 8, 9]],
[[10, 11, 12, 13, 14],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]],
[[20, 21, 22, 23, 24],
[10, 11, 12, 13, 14],
[25, 26, 27, 28,
浏览 5提问于2022-03-22得票数 0
1回答
我被塞在了一个点上，在python中实现梯度下降。
梯度下降的公式是：
for iter in range(1, num_iters):
hypo_function = np.sum(np.dot(np.dot(theta.T, X)-y, X[:,iter]))
theta_0 = theta[0] - alpha * (1.0 / m) * hypo_function
theta_1 = theta[1] - alpha * (1.0 / m) * hypo_function
出了一个错误：
-> hypo_function = np.sum(np.dot
浏览 1提问于2015-09-26得票数 3
这几天我一直在尝试。我已经从下载了一个示例。我已经替换了模型Detect.tflite和label文件，并将自己的文件放在了自己的文件中，但最后出现了几个错误，如下所示：
java.lang.IllegalArgumentException:不能在1080000字节的TensorFlowLite缓冲区和270000字节的ByteBuffer之间进行转换。
而这个：
java.lang.IllegalArgumentException:不能在形状为1,1917，4的TensorFlowLite张量和形状为1，10,4的TensorFlowLite对象之间进行复制。
帮帮忙吧。
浏览 1提问于2019-08-07得票数 4
回答已采纳
我在Windows 10的后端工作。我无法解释错误的含义
下面是我的代码片段
{
model = Sequential([
#Dense(32, input_shape=(1080,1920,2)),
Dense(32, input_shape=(250,250, 3)),
#Dense(32, input_shape=(3,1080,1920,2)),
Activation('relu'),
Dense(10),
Activation('softmax'),
Dropout(0.02),
])
laye
浏览 1提问于2018-03-11得票数 0
我试图在keras中使用Conv1D和双向LSTM来进行信号处理，但是对每个时间步骤进行多类分类。
问题是，尽管Conv1D和LSTM使用的形状在某种程度上是等价的：
Conv1D：(批处理，长度，通道)
LSTM：(批处理，timeSteps，特性)
Conv1D的输出为= (length - (kernel_size - 1)/strides)，因此不再匹配LSTM形状，即使不使用MaxPooling1D和Dropout。
更确切地说，我的训练集X有n个有1000个时间步长和一个通道的样本(n_samples，1000，1)，我使用了LabelEncoder和OneHotEncod
浏览 3提问于2017-12-01得票数 1
回答已采纳
2回答
有人能告诉我，这段代码出了什么问题吗？显示索引错误的原因。编码器和解码器是分开定义的，当我通过最后一行组合这两个模型时，如图所示，它抛出了索引错误。
def Encoder():
x= Conv2D(128, (3, 3),padding='same',activation='relu')(input_img)
x= Conv2D(128, (3, 3), activation='relu', padding='same')(x)
x= MaxPooling2D(pool_size=(2, 2), str
浏览 0提问于2018-09-03得票数 1
1回答
我加载了一个模型的角星
model = keras.models.load_model('myModel.h5')
model.fit(x,y, batch_size=1, epochs=2)
在最后一行中，它显示了一个错误，因此它希望y是一个2D输入。我的y文件的示例是0,0，-1，可以在第一种情况下改为[0,0，-1]或[，，-1]，在第一种情况下，错误是:带有形状(3)的got数组，其中期望形状(1)；在第二种情况下，错误:有3个期望为1的样本。
在本培训部分之前，我运行model.predict()，在此期间它给出格式的输出[0.00251，-0.00526，0.005
浏览 1提问于2018-10-01得票数 0
回答已采纳
1回答
我构建了一个神经网络，它可以将推文分为四类。但我的输入形状似乎有问题。train_features的形状为(3817,4)，train_label_onehot的形状为(3817,4)。Test_features具有形状(784,4)和test_label_onehot (784,4)。Train_label_oehot和test_label_onehot是一个热门的编码目标列表。这是我的代码：
# Start neural network
network = models.Sequential()
# Add fully connected layer with a ReLU activa
浏览 0提问于2019-08-13得票数 1
我试图用keras的函数API来建立一个递归的神经网络，但是遇到了一些关于输出形状的问题，任何帮助都将不胜感激。
我的代码：
import tensorflow as tf
from tensorflow.python.keras.datasets import mnist
from tensorflow.python.keras.layers import Dense, CuDNNLSTM, Dropout
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.utils impo
浏览 0提问于2019-03-01得票数 0
回答已采纳
我正在尝试运行一个简单的RNN，其中包含一些从csv文件中提取的数据。我已经对我的数据进行了预处理，并将它们分为训练集和验证集，但我得到了上面的错误。这是我的网络结构，也是我到目前为止尝试过的。我的形状是(33714,12)用于x_train，(33714，)用于y_train，(3745,12)用于x_val和(3745，)用于y_val。
model = Sequential()
# LSTM LAYER IS ADDED TO MODEL WITH 128 CELLS IN IT
model.add(LSTM(128, input_shape=x_train.shape, activat
浏览 5提问于2021-11-24得票数 0
我已经加载图像来训练我的模型识别这些图像中的一个特征。
(1380,200,200,3 )是一种粗壮的形状(1380,200,200,3 )，包含1380幅图像，大小为200×200像素，采用RGB格式，有目标。形状(1380,2)
当我训练我的模型(model.fit(Xtrain,Ytrain))时，我似乎得到了每个层的值错误。好像输入都是Xtrain然后是Ytrain..。
ValueError:在检查目标时出错:期望batch_normalization_24有4个维，但得到了形状为(1380, 2)的数组
图片：
浏览 4提问于2019-12-19得票数 2
回答已采纳
我有一个大型HDF5文件，包含16000个不同的512x512 numpy数组。显然，将文件读取到ram将使其崩溃(文件的总大小为40 GB)。
我想将这个数组加载到数据中，然后将数据拆分为train_x和test_x。Tha标签是本地存储的。
我这样做了，它只创建了一个文件的路径，而没有获取
h5 = h5py.File('/file.hdf5', 'r')
data = h5.get('data')
但当我试图将数据分割成火车和测试时：
x_train= data[0:14000]
y_train= label[0:16000
浏览 2提问于2021-05-22得票数 1
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
data = keras.datasets.boston_housing
(x_train , y_train) , (x_test , y_test) = data.load_data()
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28 , 28 )),
keras.layer
浏览 1提问于2020-08-04得票数 0
1回答
我正试着预测第二天的开盘价。我能够获得格式正确的输入，即('Open'，'High‘列每天n次)。但是，当我将格式设置为三维数组时，我的形状如下：
(1200, 60, 2)
X_train有1200个样本，有60个时间步骤(前60天的历史数据)和2个特性(开放和高)
然而，当它在实现层时到达keras编码部分时，我的问题就出现了。这是我使用的代码：
regressor.add(LSTM(units = 50, return_sequences = True, input_shape = (X_train.shape[1], 2)))
regressor.add(Dro
浏览 4提问于2020-01-31得票数 1
回答已采纳
我的学习模型如下(使用Keras)。
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = (X_train.shape[0],)))
model.add(Dense(500, activation='relu'))
model.add(Dense(2, activation='softmax'))
我的输入数据X_train是一个形状数组(180个)，相应的y_train包含标签也是一个形状数组(180个)。我试图按以下方式编译和拟合该模型。
mod
浏览 1提问于2020-02-14得票数 0
回答已采纳
我正在尝试一种深入的神经网络预测，但是得到了错误：
InvalidArgumentError:日志和标签必须具有相同的一维，得到逻辑形状为32,4和标签形状为128。
以下是其特点：
new_features.shape
(19973, 8)
new_features[0].shape
(8,)
这是标签/输出
output.shape
(19973, 4)
output[0].shape
(4,)
这是keras代码
model = Sequential(
[
Dense(units=8, input_shape=new_features[0].shape, name=&
浏览 4提问于2020-05-11得票数 0
回答已采纳
1回答
当我运行RandomSearch.search时，我收到错误消息，即logits形状和标签形状是不同的。我不明白这是什么错误。有什么帮助吗？在错误消息之后：
tensorflow.python.framework.errors_impl.InvalidArgumentError:日志和标签必须具有相同的一维，得到逻辑形状32,15和标签形状480节点sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits (定义在ProgramData\Anac
浏览 2提问于2021-08-26得票数 0
3回答
我在Haskell和代数类型一起工作，做一些练习题。我有以下练习：
定义一个代数类型点来表示二维空间中的点(坐标)。
我的本练习代码：
data Point = Point Float Float
deriving (Show)
使用Point，定义形状数据类型的修改版本PositionedShape，其中除了形状的尺寸外，还包括形状的中心点。
先前定义的形状数据：
data Shape = Circle Float |
Rectangle Float Float
deriving (Show)
我
浏览 0提问于2019-04-23得票数 2
回答已采纳
对于Keras和RNN，我需要在Keras中使用LSTM构建一个分类器模型，用于包含一组形状(1795575，6)和形状(1795575，1).The标签数组为11类(从0到10)的数据集；形状测试集(575643，6)和标签形状数组(575643，1.A增益)，标签为11 (从0到10)
如何构造以下Keras模型以满足我应该设置的Dataset.What值？
from keras.models import Sequential
from keras.layers import LSTM, Dense
from keras.optimizers import SGD
import nump
浏览 1提问于2017-11-26得票数 0
回答已采纳
我正在尝试修改上的示例，以便生成基于字符的文本。
示例中的代码使用Tensorflow急切执行(通过tensorflow.enable_eager_execution)并运行良好，但如果禁用急切执行，则开始得到以下错误：
检查目标时的错误:期望密度为3维，但得到形状为32,200的数组
为什么是这样？在启用或不启用急切功能的情况下，代码的工作方式不应该相同吗？
我试图平复LSTM层的输出，但是我得到了一个类似的错误：
ValueError:检查目标时出错:期望密度为形状(1 )，但得到形状为(200 )的数组
我能做的最简单的代码如下：
import tensorflow as
浏览 0提问于2018-12-14得票数 2
回答已采纳
我想对40种汽车标志进行分类。我使用了softmax和sparse_categorical_crossentropy，但是仍然会出现错误。这个密码怎么了？
ValueError:在检查目标时出错:期望dense_8具有形状(1 )，但是得到了与形状(40，)相同的数组
我的代码：
from keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers
浏览 0提问于2020-12-24得票数 0
1回答
我有两个索引数组。
elim=range(130,240)
tlim=range(0,610)
要索引的数组I最初的形状为(299, 3800)。
当我试图索引它时，如下所示
I[elim,tlim]
我收到了以下错误消息。
形状不匹配:索引数组不能与形状(110，) (610 )一起广播
我没想到会有这样的错误。有人能解释一下这里发生了什么吗？
谢谢!
浏览 1提问于2020-09-10得票数 4
回答已采纳
1回答
我写了一个tfrecord文件并输入了我的Unet模型，但是输入的形状出了问题。下面是我的密码。
关于数据的：
respectively.484 484训练图像，每个图像的形状为(240,240,155，4)，这4个数字是高度、宽度、层数和通道的标签，每个图像的形状为(240,240,155)。
我使用了前两个例子：
test_writer = tf.io.TFRecordWriter('test.tfrecords')
for i in range(2):
example = create_example(image_paths[i], label_paths[i])
浏览 3提问于2021-11-29得票数 1
回答已采纳
1回答
我正在使用mnist数据集(数字)，并希望实现均方错误丢失函数，但是我有以下错误：
ValueError:一个形状为(60000，1)的目标数组被传递给形状输出(无，10)，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。
这是我的代码:最初，我尝试了从：修改的sparse_categorical_crossentropy代码
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test,y_test) = mnist.load_data()
浏览 0提问于2019-10-27得票数 1
我在训练一个3D-GAN来生成核磁共振量。我将我的模型定义如下：
###### Definition of the generator ######
class Generator(nn.Module):
def __init__(self, ngpu):
#super() makes Generator a subclass of nn.Module, so that it inherites all the methods of nn.Module
super(Generator, self).__init__()
self.ngpu = ngpu
#
浏览 1提问于2019-12-18得票数 3
我在maya 2014中将动画导出为alembic文件。然后，我想导入它并通过Abcimport连接到渲染模型。但是，渲染模型的形状并不相同，例如: abc模型的形状: aaaShapeDeformed渲染模型的形状: aaaShape
并且命名空间也不相同
所以Abcimport -connect不工作
我该怎么做..。
我可以使用pyAlembic更改abc文件中的型号名称吗？
浏览 0提问于2014-11-12得票数 1
当我试图拟合一个模型时，我得到了这个错误：
ValueError:形状不匹配:标签的形状(接收到(15，))应该等于逻辑的形状，除了最后一个维度(接收到(5，3))。
生成错误的代码：
history = model.fit_generator(
train_generator,
epochs=10,
validation_data=validation_generator)
这是train_generator，验证生成器类似于：
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train
浏览 3提问于2019-10-15得票数 25
我正在尝试一种多层编解码器类型的网络。最后几层网络架构的截图如下所示。这就是我如何设置模型编译和训练过程。
optimizer = SGD(lr=0.001, momentum=0.9, decay=0.0005, nesterov=False)
autoencoder.compile(loss="sparse_categorical_crossentropy", optimizer=optimizer, metrics=['accuracy'])
model.fit(imgs_train, imgs_mask_train, batch_size=ba
浏览 1提问于2016-12-31得票数 2
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
