- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这是代码:
model = Sequential()
model.add(LSTM(24, input_shape = (trainX.shape[0], 1, 4)))
model.add(Dense(12, activation = 'softmax'))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
运行后,我得到了这个:
ValueError: Input 0 is incompatible with layer lstm_5: expected ndim=3, found ndim=4
谁能给我解释一下?以及input_shape与模型结构的关系。
最佳答案
您的 input_shape
应该是 (trainX.shape[1], trainX.shape[2])
。 trainX.shape[0]
为训练样本数,input_shape
不关心; input_shape
只关心每个样本的维度,形式为(timesteps, features)
。
model.add(LSTM(24, input_shape = (trainX.shape[1], trainX.shape[2])))
关于python - input_shape 和模型结构不匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45379437/
这是代码: model = Sequential() model.add(LSTM(24, input_shape = (trainX.shape[0], 1, 4))) model.add(Dens
当我运行以下代码时: from keras import models from keras import layers from keras import optimizers model = mo
我必须设计一个接受两个输入 X_1 和 X_2 的神经网络。该层将它们转换为固定大小的向量(10D),然后按以下方式对它们求和 class my_lyr(tf.keras.layers.Layer):
我有一个具有以下形状的输入数据:(5395, 69, 1) 我的 input_shape 应该是: (69,1) 或 (1,69) ? 在 LSTM 层中有 69 个神经元,我得到第一个 input_
我正在尝试在文本输入上运行神经网络。这是二元分类。这是到目前为止我的工作代码: df = pd.read_csv(pathname, encoding = "ISO-8859-1") df = df[
据我所知,输入元组是从卷积 block 进入的。所以如果我们想改变 input_tuple 的形状,修改卷积是有意义的。为什么我们需要 include_top=False 并去掉最后的全连接层? 另一
在 Keras 中,为什么是 input_shape当作为参数传递给像 Dense 这样的层时,不包括批处理维度但在 input_shape 时包含批处理维度传递给 build模型的方法? impor
我正在尝试编写代码来从 CSV 文件加载数据类型后识别数据类型。因此有 5 个可能的标签,并且特征向量包含列表的列表。特征向量是具有以下形状的列表的列表: [slash_count、dash_coun
These is the image of the code LSTM model please help me to give appropriate input_dim value for the
我正在从大量 384x286 黑白图像手动创建我的数据集。 我加载这样的图像: x = [] for f in files: img = Image.open(f) i
当我们在 Keras2 中进行迁移学习时,Arguments 需要“input_shape”和“input_tensor”。但我只使用 input_tensor 并且从未使用过 input_shape
我有一个 pandas 数据框 X_train,包含 733999 个样本和 5 个特征。 model = Squential() model.add(Conv2D(filters = 32,
我想使用预训练Net,例如VGG、ResNet。在 Keras 中,必须在 input_shape 的 (w,h,3) 中指定格式。如果我想将 channel 指定为1,还有更多技巧吗? conv_v
在 Convolution2D 的 Keras 文档中,input_shape 128x128 RGB 图片由 input_shape=(3, 128, 128) 给出,因此我认为第一个组成部分应该是
长话短说 我在定义输入形状时遇到这些错误 ValueError: Error when checking input: expected conv2d_1_input to have 4 dimens
我不断从以下代码中收到 input_shape 错误。 from keras.models import Sequential from keras.layers.core import Dense,
我知道 Inception V3 的 input_shape 是 (299,299,3)。但在 Keras 中,如果 include_top 为 False,则可以构建具有自定义 input_shap
我正在尝试使用 the example described in the Keras documentation名为“用于序列分类的堆叠 LSTM”(请参阅下面的代码),并且无法在我的数据上下文中
我正在尝试转换我从 davidsandberg/facenet 获得的卡住模型使用 TF Lite Converter 到 Ubuntu 18.04.1 LTS (VirtualBox) 上的 .tf
对于任何 Keras 层(Layer 类),有人可以解释如何理解 input_shape 之间的区别吗? , units , dim , 等等。? 例如,文档说 units指定层的输出形状。 在下面的
我是一名优秀的程序员,十分优秀!