我正在使用Keras构建一个CNN,第一层是以下Conv1D:
cnn.add(Conv1D(
filters=512,
kernel_size=3,
strides=2,
activation=hyperparameters["activation_fn"],
kernel_regularizer=getattr(regularizers, hyperparameters["regularization"])(hyperparameters["regularization_rate"]),
input_shape=(1000, 1),
))
我正在接受以下功能的培训:
^{pr2}$其中train_df是一个由两列组成的pandas数据帧,其中,对于每一行,label是int(0或1),而payload是一系列用零填充/截断为1000的浮点数。 列df内的培训示例总数为15641。在
模型可以编译,但在培训期间,我得到了以下错误:
ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 15641 arrays: [array([[0.09019608],
[0.01176471],
[0.01176471],
[0. ],
[0.30196078],
[0. ],
[0. ],
[0. ],
[0. ],
[0....
我查看了this post并尝试将我的输入更改为1000个浮点长列表的ndarray,但最后出现了另一个错误:
ValueError: Error when checking input: expected conv1d_1_input to have 3 dimensions, but got array with shape (15641, 1000)
有什么想法吗?在
所以我把输入形状设为(1000,1)
我还将feed to fit()的输入转换为n个ndarray的单个ndarray(每个ndarray是1000个浮点的向量,n是样本/向量的总计数),并在预处理期间,在阅读了关于输入的this解释和输入形状之后,将这些ndarray中的每一个都重塑为(1,1000,1)
我输入数据的最终形状是(15641,1000,1)
**所有这些也应适用于验证数据(如有规定)**
编辑:我没有说,但这解决了我的问题
相关问题 更多 >
编程相关推荐