我使用imdb示例创建了LSTM模型,并尝试用我自己的字符串预测情绪
max_features = 20000
# cut texts after this number of words
# (among top max_features most common words)
maxlen = 100
batch_size = 32
wordsA = "I like this review"
wordIndexes = imdb.get_word_index()
wordArray = wordsA.split()
intArray = []
for word in wordArray:
if word in wordIndexes:
intArray.append(wordIndexes[word])
testArray = np.array([intArray])
print('Shape: '+str(testArray.shape))
model = load_model('my_model2.h5')
print(str(testArray))
prediction = model.predict(testArray)
print(prediction)
但是当我试图做预测时,我被跟踪跟踪弄错了
Traceback(最近的调用最后):
文件“”,第1行,在runfile中('C:/Users/Radosław/nauka/python/motionanalysis/motionconsole.py',wdir='C:/Users/Radosław/nauka/python/motionanalysis')
文件“C:\ProgramData\Anaconda3\lib\site packages\spyder\utils\site\sitecustomize.py”,第866行,在runfile execfile(文件名,命名空间)中
在执行文件exec(编译(f.read(),文件名,exec),命名空间)中的文件"C:\Program Data\Anaconda3\lib\site-包\spyder\utils\site\sitecustomize.py",第102行。
文件“C:/Users/Radosław/nauka/python/motionanalysis/motioniu console.py”,第47行,在prediction=model中。预测(测试阵列)
文件"C:\Program Data\Anaconda3\lib\site-包\keras\models.py",第899行,在预测返回self.model.predict(x,batch_size=batch_size,详细=详细)
文件“C:\ProgramData\Anaconda3\lib\site packages\keras\engine\training.py”,第1555行,预测检查\u批处理\u轴=False)
文件“C:\ProgramData\Anaconda3\lib\site packages\keras\engine\training.py”,第133行,在\u standarding\u input\u data str(array.shape)中
值错误:检查时的错误:预期embedding_1_input有形状(无,100),但得到了形状(1,3)的数组
有正确的方法来重塑我的输入数组吗?
你什么都做了,但忘记了序列填充。在调用predict之前添加此行。
testArray = sequence.pad_sequences(testArray, maxlen=maxlen)
这是我制作的简单的cnn架构。我使用的图像是灰度图。 如果我将通道值指定为粗体分类器中指定的1。添加(卷积2d(32,kernel\u size=3,input\u shape=(50,50,1),激活='relu')) Im获取错误为 检查输入时出错:预期conv2d\u 1\u输入具有形状(50,50,1),但获得具有形状(50,50,3)的数组 但是如果我使用过滤器大小为3,我不会得到任何错
当我使用澳大利亚数据集编写降雨预测代码时,我在拟合ann模型并运行10的纪元值时遇到了错误。我使用numpy、熊猫、matplotlib、seborn等库作为导入。对于模型的运行,我使用Keras进行密集和顺序搜索。我还使用标准标量来标准化x的值。我得到了这一行的错误-ann.fit(x_train,y_train,batch_size=10,nb_epoch=10,详细=1)下面是我的错误-Va
问题内容: 我的输入只是一个具有339732行和两列的csv文件: 第一个是29个特征值,即X 第二个是二进制标签值,即Y 我正在尝试在堆叠的LSTM模型上训练数据: 这将引发错误: 追溯(最近一次调用为最新一次):在model.fit(X_train,y_train,batch_size = 400,epochs = 20,verbose = 1)中,文件“ first_approach.py
我完成了对我的模型的培训,该模型由20个类组成,精度达到0.9993,目前正在进行测试。我正在学习本教程,但我在 培训数据定义为: 这就是我对cnn的定义 这里也是我对我的模型的总结 我得到的错误是 ---------------------------------------------------------------------------中的ValueError回溯(最近一次调用)---
我正在运行一个CNN,检查图像,但不分类。事实上,输出层是一个密集层,其参数为1d中标签中图像的大小。 如下面的代码所示,我使用model.fit_generator()而不是model.fit,当开始训练模型时,会出现以下错误: 为什么这是一个错误?我的密度的输出是一个19316元素的数组,为什么它期望它有一个(1,)的形状? 此处还附上了模型的摘要: conv2d_28(Conv2D)(无,2
问题内容: 嗨,我正在为一类分类构建图像分类器,其中在运行此模型时使用了自动编码器,我在此行得到此错误(autoencoder_model.fit)(ValueError:检查目标时出错:预期model_2具有形状(无,252,252,1)但得到形状为(300,128,128,3)的数组。) 问题答案: 解码器的输出形状与训练数据的形状之间根本不兼容。(目标表示输出)。 我看到您有2个MaxPoo