腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(713)
视频
沙龙
1
回答
如何解决
与
Keras
的
Conv2D相关
的
问题?
python
、
tensorflow
、
keras
、
conv-neural-network
我创建了以下
神经网络
:model.add(layers.Conv2D(3, (3,3), activation="relu", padding="layers.Flatten())其中constants.GRID_SHAPE为(
4
,12我得到以下错误: ValueError:
层
&
浏览 5
提问于2022-04-06
得票数 1
回答已采纳
1
回答
卷积
神经网络
的
应用
tensorflow
、
regression
、
conv-neural-network
我可以使用卷积
神经网络
来预测价格吗?我使用了一维和二维卷积。但是我得到了下面的错误, 对于2D,错误是 ValueError:
层
sequential_
4
的
输入0
与
layer::expected min_
ndim
=
4
不
兼容
,找到
ndim
=2。
收到
的
完整
形状
:(None,18) 对于1D,错误是 ValueError:
层
sequen
浏览 22
提问于2020-12-20
得票数 1
1
回答
视频分类
层
的
Keras
神经网络
与
层
不
兼容
:
期望
的
ndim
=
5
,
发现
的
ndim
=
4
。
收到
的
完整
形状
:(
无
,
120,120,3
)
python
、
tensorflow
、
machine-learning
、
keras
、
neural-network
我正在处理一个
视频分类
问题。我
的
神经网络
堆栈如下所示: model = Sequential() model.add(TimeDistributed(Conv2D(64, (3,3), padding='same', activation=
5
, found
ndim
=
4
.Full shape received: (None, 120, 120, 3) 这是我对它
的
理解。我将输入
形状
定义为(60,120,120,3),并在内部添加一
浏览 29
提问于2021-04-22
得票数 1
1
回答
使用
Keras
调谐器RandomSearch错误进行超参数调整
python
、
tensorflow
、
keras
、
deep-learning
、
keras-tuner
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)。 当我使用超参数调整时,它显示ValueError:
层
浏览 8
提问于2021-04-25
得票数 1
1
回答
三维CNN中
的
Input_shape
python
、
machine-learning
、
neural-network
、
conv-neural-network
我有一个包含100000个二进制三维
形状
数组(6,
4
,
4
)
的
数据集,所以我输入
的
形状
是(10000,6,
4
,
4
)。我正在尝试使用
Keras
建立一个三维卷积
神经网络
( input_shape );但是,我输入
的
这个3D卷积
神经网络
似乎有一个问题。='he_uniform', input_shape=(None, 6,
4
,
4
,
浏览 1
提问于2021-06-11
得票数 0
回答已采纳
1
回答
平面一维数据
的
一维卷积(即没有时间序列)
tensorflow
、
keras
、
deep-learning
、
conv-neural-network
我正在一个数据集中进行训练,其中(一些)相邻特性具有很强
的
相关性。为了帮助
神经网络
,我正在考虑增加一些一维卷积作为第一
层
。尽管一维卷积主要用于时间序列/nlp数据,但我认为它们不能在任何类型
的
数据中按矢量使用
的
理论理由。 但我无法让
keras
.layers.Conv1D发挥作用,因为它显然是为时间序列数据设计
的
。_1
的
输入0
与
图层
不
兼容
:预期
的
ndim
=
浏览 3
提问于2020-05-20
得票数 1
回答已采纳
1
回答
ValueError:
层
sequential_29
的
输入0
与
层
不
兼容
:需要
的
ndim
=3,找到
的
ndim
=2。
收到
的
完整
形状
:[None,22]
python
、
tensorflow
、
keras
X_train
的
尺寸为(7059,22),y_train为(7059,)。数据集本身是来自谷歌云平台samples.gsod
的
公开可用
的
数值天气数据集。model = Sequential()model.add(
keras
.layers.SimpleRNN64, epochs=10, verbose=2) model.evaluate(X_test, y_test, batch_size=64, ver
浏览 1
提问于2021-05-11
得票数 0
1
回答
Keras
--我应该如何指定培训数据
的
input_shape?(数据为灰度图像)
tensorflow
、
keras
、
neural-network
、
deep-learning
、
conv-neural-network
我在
Keras
中使用Conv2d对灰度图像进行分类。每个图像存储为一个240*300矩阵(即列表[ A_1, A_2,..., A_240 ],而每个A_k是长度为300
的
列表)。我应该如何指定我
的
ConvNet第一
层
的
ConvNet? ValueError: conv2d
层
的
输入0
与
图层
不
兼容
:预期
的
ndim
=
4
,found
ndim
=
浏览 1
提问于2019-05-25
得票数 0
回答已采纳
1
回答
ValueError: lstm_
5
层
的
输入0
与
图层
不
兼容
:
期望
的
ndim
=3,找到
的
ndim
=2。
收到
的
完整
形状
:(
无
,43264)
python
、
tensorflow
、
keras
、
deep-learning
但我遇到了这样一个错误: tf.
keras
.layers.BatchNormalization"), tf.<
浏览 3
提问于2021-06-22
得票数 1
回答已采纳
1
回答
如何重塑LSTM
的
输入?
tensorflow
、
keras
、
lstm
经过一些处理(在
神经网络
中)后,我将一个特性输入到LSTM中。LSTM只有一个“时间步骤”,我重塑数据输入到LSTM,但得到一个错误,说我有一个
4
D张量而不是3D。 return tf.
keras
.layers.multiply(lstm_return = Model(inputs=return_inputs, outputs=returns_outpu
浏览 10
提问于2022-06-07
得票数 0
3
回答
ValueError:
层
顺序
的
输入0
与
层
::min_
ndim
=
4
,found
ndim
=3
不
兼容
。接
收到
的
完整
形状
:[8,28,28]
python
、
tensorflow
、
keras
、
deep-learning
我一直在获取
与
输入
形状
相关
的
错误。任何帮助都将不胜感激。谢谢!= tf.
keras
.Sequential([ tf.
keras
.layers.MaxPooling2Dvalidation_data=(xtest, ytest), Value
浏览 6
提问于2020-08-06
得票数 21
回答已采纳
1
回答
ValueError:
层
lstm_45
的
输入0
与
层
不
兼容
:需要
的
ndim
=3,找到
的
ndim
=
4
。
收到
的
完整
形状
:(None,128)
python
、
tensorflow
、
keras
、
lstm
、
recurrent-neural-network
我是深度学习
的
新手,在理解
4
个特征向量(全部是浮点数)
的
嵌入和传递序列到LSTM模型时遇到了问题。(260000, 12),tf.
keras
.layers.Dense(32),tf.
keras
.layers.Dense(1), tf.
浏览 31
提问于2021-08-16
得票数 0
1
回答
输入0
与
层
flatten_
5
不
兼容
:预期
的
min_
ndim
=3,找到
ndim
=2
python-3.x
、
tensorflow
、
keras
、
jupyter-notebook
、
vgg-net
:
5
model.add(稠密(256,激活=‘relu’))/usr/local/anaconda/lib)413 #,并在
层
构造函数中指定input_spec。->414个self.assert_input_compatibility(输入)416 #收集输入
形状
,以建立
层
。
浏览 0
提问于2018-12-10
得票数 2
回答已采纳
1
回答
基于非图像输入
的
卷积
神经网络
python
、
tensorflow
、
neural-network
我想使用卷积
神经网络
,但我有一个二维数组作为输入,而不是图像。我试图评估棋盘游戏
的
状态,其中
形状
是重要
的
。模型
的
第一
层
是我将板转换成一个numpy数组。然后,我将列表转换为数组以适应我得到以下错误: ValueError
浏览 2
提问于2020-10-31
得票数 0
回答已采纳
1
回答
Keras
BatchNormalization
层
不
兼容
错误
tensorflow
、
keras
、
tensorflow2.0
、
batch-normalization
我有以下(部分)网络架构:获得
的
pool = GlobalAvgPool()(gc_2) ValueError:
层
batch_normalization_1
的
输入0
与
图层
不
兼容
:预期
的
ndim
=2,找到了
ndim
=3。
收到</e
浏览 1
提问于2020-12-03
得票数 0
1
回答
ValueError:
层
“值”
的
输入0
与
图层
不
兼容
:预期
的
min_
ndim
=2,找到
ndim
=1
tensorflow
、
reshape
、
tensor
、
dimension
我是tensorflow.When
的
新手,我试着修改模型结构,我把一个张量'r',它
的
形状
是(None,1 ),转换成带有tf.reshape(r,
4
,)
的
一维张量,然后输入到稠密
层
中。一维张量
的
形状
为(
4
,),稠密
层
的
input_shape设置为(
4
,),出现错误。ValueError:
层
“值”
的
输入0
与
图
浏览 5
提问于2022-10-26
得票数 0
1
回答
LSTM - RuntimeError:构建模型
的
尝试失败次数过多
tensorflow
、
keras
、
lstm
、
keras-tuner
我正在尝试使用
keras
调谐器来调整LSTM
神经网络
,以使用kaggle数据集来检测一篇文章是否为假新闻。但是,我一直
收到
这样
的
错误: RuntimeError:太多次构建模型
的
失败尝试我也尝试使用RandomSearch而不是BayesianOptimization,但仍然得到相同类型
的
错误。=3, found
ndim
=2.Full shape received: (None, 128) Invalid model
4
/
5</e
浏览 5
提问于2021-05-19
得票数 0
1
回答
用CONV2D + LSTM叠加
tensorflow
、
image-processing
、
deep-learning
、
conv-neural-network
、
lstm
结果表明:
发现
1312幅图像,分属于3类。
发现
876幅图像,分属于3类。 我
的
形体训练和val是(150,150,1)和(150,150,1)。这里是结合Conv2d + LSTM
的
代码。我已经运行了程序model_image,它显示:“输入0
层
conv2d_76是
不
兼容
层
::
期望
的
min_
ndim
=
4
,找到了
ndim
=3。
完整
的</e
浏览 1
提问于2021-05-04
得票数 0
1
回答
转移学习,添加
Keras
LSTM
层
,(热狗,而不是使用二进制交叉熵
的
热狗)
python
、
deep-learning
、
keras
、
lstm
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“
5
x
5
x122880是训练样本
的
瓶颈特征 model =
的
ValueError告诉我,在通过
浏览 21
提问于2018-03-05
得票数 1
回答已采纳
1
回答
ValueError:
层
序
的
输入0
与
图层
不
兼容
:
期望
的
ndim
=3,找到
的
ndim
=2。接
收到
的
完整
形状
:(57,1)
python
、
tensorflow
、
keras
、
deep-learning
、
lstm
ValueError:
层
顺序
的
输入0
与
层
不
兼容
:预期
的
ndim
=3,found
ndim
=2。接
收到
的
完整
形状
:(57,1) model = tf.
keras
.Sequential() model.add(tf.
keras
.layers.LSTM(64, input_shape= (700,
浏览 8
提问于2022-07-07
得票数 0
回答已采纳
点击加载更多
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
《Deep Learning with Python》第三章 3.1 走进神经网络之神经网络剖析
卷积神经网络详解(二)——自己手写一个卷积神经网络
Keras官方中文版文档正式发布了
Keras官方中文版文档正式发布!
大数据分析使用torchlayers构建PyTorch模型
热门
标签
更多标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
活动推荐
运营活动
广告
关闭
领券