Tensorflow : LSTM模型中的形状错误应为shape=(None，None，90)，找到shape=[90，1，78]
这个错误表明您在构建LSTM模型时遇到了形状不匹配的问题
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense
# 假设输入数据的形状为 (num_samples, time_steps, num_features)
input_shape = (None, 90) # 注意这里的 None 表示 batch_size 可变
model = Sequential([
LSTM(64, input_shape=input_shape),
Dense(1)
])
model.summary()上面的代码示例中，input_shape 设置为 (None, 90)，表示输入数据具有可变的 batch_size（用 None 表示）和固定的 time_steps（90）以及 num_features（90）。
相关·内容
我使用的是Keras的LSTM模型。 输入数据形状：(无，210，4) “210”是“21个样本*10” 称为输入数据形状：(无，21，4) 这本应是个问题，但事实并非如此。 我可以连续使用这个吗？ 为什么会出现这样的问题？ 警告:tensorflow:模型是使用输入输入( KerasTensor(type_spec=TensorSpec(shape=(None，210，4)，dtype=tf.float32，name='lstm_ input ')，name='lstm_ input '，description=“由层‘lstm_input’”创建)的sha
浏览 12提问于2021-05-05得票数 0
我在这段代码中得到了一个形状错误，并且无法找出我做错了什么，LSTM模型中的形状错误预期为shape=(无，无，90)，找到shape=90，1，78
尝试检查每个形状请帮助此问题来自编程作业Coursera (深度学习专门化课程5)
def music_inference_model(LSTM_cell, densor, Ty=100):
"""
Uses the trained "LSTM_cell" and "densor" from model() to generate a sequence of values.
浏览 190提问于2021-05-14得票数 0
我正在用生成器训练一个模型，我从Tensorflow那里得到了这个警告，虽然我可以在没有错误的情况下训练这个模型，但是我想修复这个问题，或者至少理解为什么会发生这种情况。
我从生成器获得的数据具有以下形状：
for x, y in model_generator(): # x[0] and x[1] are the inputs, y is the output
print(x[0].shape, x[1].shape, y.shape)
# (20,)(20,)(20,17772)
# 17772 --> Number of unique words in my datat
浏览 0提问于2020-10-09得票数 4
回答已采纳
1回答
我想训练一个LSTM模型，从两个输入变量中预测两个变量。
X和Y将包含相同的数据。这里是X的一个例子：
array([[41.39084204, 2.16312765],
[41.39063094, 2.16710319],
[41.39048993, 2.16705291],
...,
[41.3937295 , 2.16270432],
[41.39130639, 2.16328958],
[41.39079175, 2.16311477]])
我将其转换为三维[x.reshape(x.shap
浏览 1提问于2022-06-30得票数 1
1回答
我的模型看起来是这样的：
model = keras.Sequential()
model.add(keras.layers.LSTM(64, input_shape=(None, 1), return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=False))
model.add(keras.layers.Dense(6))
我在输入中输入形状(10000，30)。我的笔记本电脑上一切都很好，它使用了3.9版的Python。稍后，我回家使用我的个人笔记本电脑运行相同的程序，该程序使用了版本3.7的Pyth
浏览 4提问于2022-01-04得票数 0
2回答
我正在尝试使用LSTM对时间序列数据进行多类分类。
训练集具有维度( 390,179)，即390个对象，每个对象具有179个时间步长。
有37个可能的类。
我想使用一个只有LSTM和激活层的Keras模型来对输入数据进行分类。
在LSTM的每个步骤中，我还需要通过模型传递的所有训练数据和测试数据的隐藏状态(而不仅仅是最终状态)。
我知道return_sequences=True是必需的，但我在尺寸匹配方面遇到了麻烦。
下面是我尝试过的一些代码，但我已经尝试了大量来自stackexchange和git问题的其他调用组合。在所有这些模型中，我都会遇到一些尺寸不匹配的问题。
我不知道如何从模型中提取
浏览 31提问于2019-08-23得票数 1
回答已采纳
我正在尝试做一个时间序列预测，培训正在顺利进行，，但是通过相同的数据集来预测函数，我得到了以下错误。
sequential/lstm/TensorArrayUnstack/TensorListFromTensor :从形状为32，1节点的张量中指定形状为1,1的列表] Op:__inference_predict_function_55827函数调用堆栈: predict_function
我使用的是Statefull，tensorflow v1.14和相同的代码和模型在tensorflow v2.4中工作得很好。
我的X_train.shape，y_train.shape是(6191，10，
浏览 1提问于2021-05-10得票数 0
Keras: 2.1.6，python 3.6，tensorflow 1.8.0
我正在尝试训练一个序列模型，它有两个LSTM层和3个密集层。我事先做了一些数据准备，并将数据设置为LSTM层要求的格式，即(n_samples, n_timesteps, n_features)。我的数据有14个特性，实际上是5000步的长序列，因此我将其分解为500个样本，每个步骤10个时间步骤。完成后，我从下面的模型开始，但很快就遇到了最后一层输入形状的错误。我尝试使用Sequential和Functional都会产生相同的错误。
import keras
from keras import callbac
浏览 3提问于2018-11-14得票数 1
回答已采纳
1回答
我写了以下模型fn： from tensorflow.keras.layers import Dense, LSTM, Dropout, Input, BatchNormalization
from tensorflow.keras.models import Model
from tensorflow.keras.optimizers import Adam
import tensorflow_addons as tfa
import tensorflow as tf
def get_model(num_features, output_size, output_bias=None):
浏览 53提问于2021-10-28得票数 0
回答已采纳
2回答
我想在相同数量的tensorflow keras包装器中实现单向和双向LSTM。例如，我用256个单元实现单向LSTM，用128个单元实现双向LSTM (据我所知，每个方向的LSTM为128个单元，总共256个单元)。实施细节：
import tensorflow as tf
in_ = tf.keras.Input(shape=(28,28))
x = tf.keras.layers.LSTM(256)(in_)
model_unidirectional = tf.keras.Model(in_,x)
print(model_unidirectional.summary())
y =
浏览 0提问于2020-07-27得票数 1
回答已采纳
我是堆栈，我需要堆积如山的智慧。
我使用Functional在Keras中实现了两个输入神经网络，输入形状如下：
X.shape, X_size.shape, y.shape
((123, 9), (123, 2), (123, 9, 10))
所以，我的问题是，为了使用y张量，我想得到具有三维形状的LSTM的输出形状。我知道，我可以把我的y重塑成二维形状，但是我想用它作为一个三维数组。
from keras.models import Model
from keras import layers
from keras import Input
# first input
list_i
浏览 2提问于2017-08-08得票数 0
回答已采纳
1回答
我的训练数据是一个重叠滑动窗口的用户日常数据。它的形状是 (1470, 3, 256, 18)
1470批次的3天的数据，每天都有256的18的特点。
我的目标形状是 (1470,)：每个批的标签值。
我想训练一台LSTM来预测[3 days batch] -> [one target]
这256天的样品被填充了-10天，因为丢失了256个样本。
我编写了以下代码来构建模型：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dropout,Dense,Mas
浏览 1提问于2020-05-04得票数 0
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
1回答
如何在keras中更改输入形状
、、、、
我从GitHub下载了一个.h5文件，并想从中做出预测。我执行了以下代码：
from keras.models import load_model
from PIL import Image
import numpy as np
im = Image.open('img.jpg')
img = np.array(im)
model = load_model('model_weight.h5')
a = model.predict(img)
print(a)
并得到以下错误：
ValueError: Input 0 of layer dense_1 is i
浏览 0提问于2020-08-07得票数 0
1回答
我如何重塑一组形状数组(90,30,1662)？这意味着90个数组，每个30帧，每个frames.And 90数组有1662个关键点，这意味着每个视频有30个numpy数组视频。
x_train, x_test, y_train, y_test=train_test_split(x, y, test_size=0.05)
x_train.shape ---->(85, 30, 1662)
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense
from
浏览 9提问于2022-05-22得票数 0
代码如下： from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, RepeatVector, Dense, Reshape
Model = Sequential([
Embedding(vocab_size, 256, input_length=49),
LSTM(256, return_sequences=True),
LSTM(128, return_sequences=False)
浏览 140提问于2020-10-06得票数 1
回答已采纳
我正在Tensorflow 2.0 + Keras上使用CNN-LSTM模型来执行序列分类。我的模型定义如下：
inp = Input(input_shape)
rshp = Reshape((input_shape[0]*input_shape[1], 1), input_shape=input_shape)(inp)
cnn1 = Conv1D(100, 9, activation='relu')(rshp)
cnn2 = Conv1D(100, 9, activation='relu')(cnn1)
mp1 = Ma
浏览 5提问于2020-05-30得票数 0
1回答
在我尝试以这种方式从tensorflow.keras向我的序列模型添加LSTM层的代码行中：
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, LSTM, Dropout, GRU, TimeDistributed
#...
modelX1 = Sequential()
modelX1.add(LSTM(LSTM_neurons[0],input_shape=(dataX1.shape[1],dataX1.shape[2]), activation='tanh',
浏览 0提问于2020-03-05得票数 1
我一直在尝试计算Keras中LSTM单元的参数数量。我创建了两个模型，一个使用LSTM，另一个使用CuDNNLSTM。
模型的部分摘要如下
CuDNNLSTM模型：
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
embed
浏览 15提问于2020-02-22得票数 1
我试图使用return_sequence训练一个LSTM模型，以返回每个输入时间步骤的隐藏状态输出，从而解决一个回归问题。
我的数据形状是：( 31,2720，16)，即31批2720个样本，16个特征。
我的目标形状是：( 31,2720，1)，即包含1个值的2720行的31批。
我已经建立了以下模型：
model = Sequential()
opt = Adam(learning_rate=0.0001, clipnorm=1)
num_samples = train_x.shape[1]
num_features = train_x.shape[2]
model.add(Maski
浏览 6提问于2020-04-26得票数 1
回答已采纳
我是坦索弗洛的新手。我正在构建一个简单的LSTM来做情感分析(二进制分类)。在一个名为traindata的python列表中，我有15391个句子。所有的句子都已经嵌入了一个训练前模型。现在这个句子的形状是(591, 200)：每个句子有591个单词，每个单词作为一个(200，)向量嵌入。因此，数据是(591, 200)张量的python列表。以下是我的模型：
BATCH_SIZE = 32 #128
def lstm_model(input_shape, units):
input_data = Input(shape=input_shape, dtype="float32&
浏览 6提问于2021-12-17得票数 0
回答已采纳
1回答
我在跟踪，而且wit运作得很好。然而，这是一个字符级别的模型，我想把它应用到一个字级模型中。作者甚至包括了一个段落，要求更改，但我目前的所有尝试导致了一个关于拧尺寸的错误。
如果您遵循字符级模型，则输入数据为3dims：#sequences、#max_seq_len、#num_char，因为每个字符都是一个热编码。当我为本教程中使用的模型绘制摘要时，我得到：
Layer (type) Output Shape Param # Connected to
====================
浏览 0提问于2018-02-11得票数 7
1回答
我正在处理一个多类分类问题，为了好玩，我想尝试不同的模型。我发现了一个使用LSTM进行分类的blog，并试图调整我的模型以使其正常工作。 这是我的模型： from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Bidirectional, LSTM
from tensorflow.keras.optimizers import SGD, Adam
浏览 66提问于2020-09-02得票数 0
回答已采纳
当我通过声明性方法而不是函数方法定义我的模型时，Keras给出了不同的结果。这两个模型看起来是等价的，但是使用".add()“语法是可行的，而使用声明性语法会产生错误--每次都有不同的错误，但通常是这样的：A target array with shape (10, 1) was passed for an output of shape (None, 16) while using as loss `mean_squared_error`. This loss expects targets to have the same shape as the output.输入形状的自动转换
浏览 7提问于2019-11-05得票数 0
回答已采纳
1回答
我尝试用VAE LSTM构建一个keras模型。输入形状为(sample_number,20,31)
同时，也出现了一些不相容的问题。
我不知道我的代码哪一部分是错误的，请原谅我把它们都张贴了。
我的进口：
from keras.models import Sequential, Model
from keras.objectives import mse
from keras.layers import Dense, Dropout, Activation, Flatten, LSTM, TimeDistributed, RepeatVector, Input, Lambda
from ke
浏览 0提问于2018-12-06得票数 2
回答已采纳
1回答
连接Keras中的掩码输入
、、、、
使用Keras API，我尝试构建一个神经网络模型，如下所示。我有两个输入，每个输入都是分类时间序列，它们已经转换为一次hots。在一个批次中，时间序列通常具有不同的长度，因此我用零填充它们，使其达到相同的长度。我想首先对每个输入应用一个掩蔽层，以便忽略填充，然后对每个输入应用TimeDistributed密集层，最后在将结果传递到LSTM之前连接密集层的输出。(这并不重要，在LSTM之后会应用最终的线性致密层。)如下所示：
from tensorflow.keras.layers import Input,Dense,Concatenate
from tensorflow.keras.lay
浏览 0提问于2021-07-07得票数 0
2回答
当我执行我的model.fit(x_train_lstm, y_train_lstm, epochs=3, shuffle=False, verbose=2)
我总是感到失落，就像南：
Epoch 1/3
73/73 - 5s - loss: nan - accuracy: 0.5417 - 5s/epoch - 73ms/step
Epoch 2/3
73/73 - 5s - loss: nan - accuracy: 0.5417 - 5s/epoch - 74ms/step
Epoch 3/3
73/73 - 5s - loss: nan - accuracy: 0.5417 - 5s/
浏览 1提问于2022-03-16得票数 2
回答已采纳
1回答
我正在用Keras对序列进行编码以对模型进行序列排序，我得到了以下错误：
ValueError: Input 0 of layer lstm_59 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 20]
这是我的数据：
print(database['sentence1'][0], database['sentence2'][0])
>>> 'It does not matter how you win
浏览 3提问于2020-10-03得票数 1
回答已采纳
我正在处理一个数据集，其中批处理项是由具有形状(max_sentences_per_text，max_tokens_per_sentence)的矩阵表示的文本。它经过一个嵌入层(变成3d)，然后经过一个时间分布的LSTM，为每个句子输出一个向量(回到2d)。然后，第二个LSTM层读取所有句子向量，并为每个批次项目输出最终向量，该向量可以通过正常的致密层。
如下所示(使用keras.utils.plot_model生成)，每个文本85个句子，每个句子40个标记：
以下是模型代码：
inputs = Input([num_sentences, max_sentence_size])
v
浏览 0提问于2017-06-24得票数 0
我正在使用CNN-LSTM网络进行图像分类.我的图像大小是(224,224，3)，批次大小是90。当我将输入传递给LSTM层时，我会得到这个错误。下面是我的代码片段：
input1 = Input(shape=(224, 224,3))
x = Conv2D(8, (3,3), activation ="relu")(input1)
x = MaxPooling2D(2,2)(x)
x = Conv2D(16, (3,3), activation ="relu")(x)
x = MaxPooling2D(2,2)(x)
x = Conv2D(32, (3,3),
浏览 18提问于2022-04-21得票数 0
回答已采纳
我在这里尝试运行Seq2Seq示例，
from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoen
浏览 13提问于2017-12-26得票数 0
我正在用Python、Keras和Tensorflow构建一个基于LSTM的深层Q学习网络，并遇到了以下问题。在使用给定的batch_input_shape创建网络并尝试将网络与该形状的数据相匹配之后，我将收到以下错误：
警告:tensorflow:模型是为输入张量(“lstm_34_input:0”，shape=(64，1，10)，dtype=float32)用形状(64，1，10)构造的，但是对不兼容的形状(32，1，10)调用它。
我创建了下面的玩具示例，以简单地演示导致问题的代码。
import numpy as np
from tensorflow.keras.models imp
浏览 1提问于2020-08-19得票数 0
回答已采纳
1回答
我正在开发一个基于LSTM的模型来预测日志异常。我的模型架构如下：
______________________Layer (type) Output Shape Param # =================================================================
lstm (LSTM) (None, 5, 1555) 9684540 ______________________
lstm_1 (LSTM) (None, 1555) 19350420 ______________________
dense (Dense) (None, 10
浏览 0提问于2020-06-10得票数 4
在tensorflow 1中，有一个层tf.compat.v1.keras.layers.CuDNNLSTM是为使用cuDNN而构建的，而在tensorflow 2中，这个层被废弃为支持使用
1. `activation` == `tanh`
2. `recurrent_activation` == `sigmoid`
3. `recurrent_dropout` == 0
4. `unroll` is `False`
5. `use_bias` is `True`
6. Inputs are not masked or strictly right padded.
用
浏览 8提问于2020-07-10得票数 2
回答已采纳
我试图创建一个函数来使用Keras构建一个LSTM模型，但是google.colab返回了以下错误：
ValueError: Exception encountered when calling layer "sequential_5" (type Sequential).
Input 0 of layer "lstm_2" is incompatible with the layer: expected ndim=3, found ndim=1. Full shape received: (8,)
Call arguments received:
• in
浏览 8提问于2022-03-05得票数 -3
1回答
该模型用于预测未来的高度和重量。
我的数据集示例
X次列车：
<table border="1">
<th>Height(cm)</th>
<th>Weight(kg)</th>
<tr>
<td>180</td>
<td>88</td>
</tr>
<tr>
<td>181</td>
<td>
浏览 2提问于2022-08-16得票数 -1
请考虑以下内容： import tensorflow as tf
from tensorflow.keras.layers import Dense, LSTM
model = tf.keras.models.Sequential([
Dense(10, batch_input_shape=(32, None, 100)),
LSTM(1, stateful=True)
])
model.summary()
_________________________________________________________________
Layer (type)
浏览 11提问于2019-09-05得票数 0
回答已采纳
1回答
Keras稠密层形状误差
、、、
我正在使用keras创建一个LSTM模型。在训练的时候，我会犯这个错误。
ValueError: Error when checking target: expected dense_4 to have shape (1,) but got array with shape (34,)
这是我的模型
model = Sequential()
model.add(Embedding(max_words, embedding_dim, input_length=maxlen))
model.add(LSTM(128, activation='relu'))
model.a
浏览 0提问于2018-07-31得票数 2
回答已采纳
1回答
我创建了以下模型：
import tensorflow as tf
import numpy as np
from tensorflow.keras.layers import Input, Embedding, Concatenate, Dense, LSTM
from tensorflow.keras.models import Model
import keras
def get_model():
inputs = Input( shape =(None,2), name='timeseries_input',ragged=True )
lstm = LSTM(
浏览 9提问于2021-08-11得票数 0
回答已采纳
1回答
LSTM维度不兼容
、、、、
我正在处理一个使用LSTM架构的多分类问题。它似乎有一个不兼容的形状错误。请帮我调试模型。提前谢谢。 下面是我提供的模型： # build the network
model = Sequential()
model=models.Sequential()
model.add(layers.LSTM(1024,activation='tanh',input_shape=x_train.shape[1:], return_sequences=True))
model.add(layers.LSTM(512,activation='tanh',return_seq
浏览 115提问于2021-10-17得票数 0
回答已采纳
最近，我在一次面试中被要求使用tensorflow构建一个符合以下要求的神经网络：
模型的输入层必须具有(32，10，1)的输入形状。
模型的输出形状必须为(32，10，1)
作为回应，我提供了以下解决方案：
import tensorflow as tf
from tensorflow.keras.layers import Dense, Conv1D
model = tf.keras.models.Sequential([
Conv1D(filters=32, kernel_size=1, activation='relu', input_sha
浏览 12提问于2022-04-27得票数 1
我的网络由LSTM和密集部件组成，由另一个密集部分连接在一起的，I不能连接(1，8)，(None，32)的输入。Reshape和Flatten不起作用。
这里是架构：
def build_model_equal(dropout_rate=0.25):
curve_input_1 = Input(batch_shape=(1, None, 1), name='curve_input_1')
lstm_1 = LSTM(256, return_sequences=True, dropout=0.1)(curve_input_1)
lstm_1 = LSTM
浏览 0提问于2018-11-22得票数 1
回答已采纳
1回答
LSTM模型中输入形状的警告
、、、、
我有每小时耗电量的时间序列数据，长度为(17544, 1)，格式如下：
[[17.6]
[38.2]
[39.4]
...
[46. ]
[44. ]
[40.2]]
我的目标是输入最后7天的数据，即24*7=168，并预测未来24小时的用电量。
我正在使用以下脚本来准备用于培训和测试的数据集：
# Split into training/test sets
train_size = int(len(data) * 0.7)
val_size = int(len(data) * 0.2)
train, val, test = data[:train_size], data[trai
浏览 3提问于2022-11-08得票数 0
我在Windows 10上使用Tensorflow 2，并从下载了一个模型
我使用的模型是ssd.mobilenetv2.oid4
模型的详细内容如下：
[<tf.Tensor 'image_tensor:0' shape=(None, None, None, 3) dtype=uint8>]
注意:我还有frozen_inference_graph.pb以及配置文件和检查点。
我使用TensorFlowLiteConverter片段将saved_model.pb文件转换为具有自定义形状的.tflite：
import tensorflow as tf
input
浏览 10提问于2020-01-19得票数 1
我想构建一个deep RNN，在这里我的x_train和y_train。当我执行以下代码时：
print(X_train_fea.shape, y_train_fea.shape)
X_train_res = np.reshape(X_train_fea,(10510,10,1))
y_train_res = np.reshape(y_train_fea.to_numpy(),(-1,1))
print(X_train_res.shape, y_train_res.shape)
结果：
(10510, 10) (10510,)
(10510, 10, 1) (10510, 1)
和
model
浏览 0提问于2021-01-12得票数 0
回答已采纳
运行以下命令： import tensorflow as tf
from tensorflow.keras import layers
from tensorflow import keras
feat_shape = (50, 66, 3)
inputs = layers.Input(shape=(None,) + feat_shape[1:], dtype=tf.float32)
x = inputs
shape = tf.shape(x)
b, t, f, c = x.get_shape().as_list()
x = layers.Lambda(tf.reshape, ar
浏览 1222提问于2021-02-10得票数 2
回答已采纳
我正在使用时变图嵌入，在每个时间步，图的邻接矩阵都会发生变化。其主要思想是通过查看一组节点特征和邻接矩阵来执行图的每个时间步的节点嵌入。节点嵌入步骤既长又复杂，并且不是问题核心的一部分，因此我将跳过这一部分。可以说，我使用图卷积网络来嵌入节点。 考虑我有一堆大小为NxN的B邻接矩阵A，其中B=批量大小，N=图中的节点数。此外，矩阵是根据时间序列堆叠的，其中索引I中的矩阵在索引i+1中的矩阵之前。我已经嵌入了图的节点，这导致了一个维度为B x N x E的矩阵，其中E=嵌入的大小(参数)。请注意，模型必须处理任何图，因此，N不是一个参数。另一个重要的注释是，每个批次包含来自同一图的邻接矩阵，因
浏览 25提问于2019-09-12得票数 1
1回答
在使用Conv2D和其他图层之前，我想在第一个图层中调整图像的形状和大小。输入将是flattend数组。下面是我的代码： #Create flat example image:
img_test = np.zeros((120,160))
img_test_flat = img_test.flatten()
reshape_model = Sequential()
reshape_model.add(tf.keras.layers.InputLayer(input_shape=(img_test_flat.shape)))
reshape_model.add(tf.keras.layers
浏览 51提问于2020-10-16得票数 0
我试图找到一种方法来卷积转置与可变大小的图像。我使用了tf.nn.conv2d_transpose接口，但失败了。
import tensorflow as tf
def conv2d_transpose(inputs, filters_shape, strides, name, padding="SAME", activation=None):
filters = get_conv_filters(filters_shape, name)
inputs_shape = inputs.get_shape().as_list()
output_shape = tf
浏览 40提问于2018-05-29得票数 -1
回答已采纳
我正在尝试组装一个LSTM自动编码器，其中层(和返回的形状)是：
嵌入-> LSTM -> RepeatVector -> LSTM -> TimeDistributed(稠密)
6，18，8 -> 6，64 -> 6，18，64 -> 6，18，64 -> 6，18，
最后一层是我遇到问题的地方，似乎在网上找不到答案。我正在寻找的东西将返回与嵌入层相同的维度(因为我试图制作一个自动编码器)，在那里我可以撤销嵌入，以获得预测的单词序列。也许我误会了什么..？
下面是我尝试过的一个例子。
from tensorflow.keras.preproce
浏览 0提问于2020-08-28得票数 0
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
实时音视频
云直播
即时通信 IM活动推荐
腾讯云开发者
