ValueError: Shape ()和(150，5)不兼容Tenosrflow
ValueError: Shape ()和(150, 5)不兼容Tenosrflow
这是一个关于TensorFlow的错误，表明给定的两个张量的形状不兼容。这个错误通常出现在尝试执行张量操作时，例如在神经网络的训练或推断过程中。在这种情况下，模型要求一个形状为()的张量，但给定的是一个形状为(150, 5)的张量。
解决这个问题的方法通常是通过重塑或调整张量的形状来使其兼容。可以使用TensorFlow中的reshape或resize函数来执行此操作。具体的解决方法取决于具体的情况和操作。
在TensorFlow中，reshape函数可以用来改变张量的形状，将其调整为与其他张量相兼容。示例如下：
import tensorflow as tf
# 假设x是一个形状为(150, 5)的张量
x = ...
# 使用reshape函数将x重塑为形状为(1, 150, 5)的张量
reshaped_x = tf.reshape(x, (1, 150, 5))上述示例中，reshape函数被用来将形状为(150, 5)的张量x重塑为形状为(1, 150, 5)的张量reshaped_x。
关于TensorFlow的更多信息和学习资源，你可以参考腾讯云的产品介绍和文档：
- 腾讯云TensorFlow产品介绍：https://cloud.tencent.com/product/tf
- TensorFlow官方文档：https://www.tensorflow.org/
请注意，本答案中没有提及其他云计算品牌商，因为这是题目要求的规定。如果需要了解其他云计算品牌商的相关信息，可以参考它们的官方文档和产品介绍页面。
相关·内容
我正在测试一个图像堆栈上的高斯滤波器，使用来自超级间谍官方网站的代码。我一直收到错误消息'ValueError:至少需要一个数组来堆栈‘。
%matplotlib qt
import hyperspy.api as hs
import numpy as np
import scipy.ndimage
im = hs.signals.Signal2D(np.random.random((10, 64, 64)))
im.map(scipy.ndimage.gaussian_filter, sigma=2.5)
ValueError:至少需要一个数组来堆栈
追溯信息
ValueErro
浏览 0提问于2019-08-18得票数 1
ValueError: could not broadcast input array from shape (1,5) into shape (1,8)
浏览 10提问于2020-02-04得票数 0
我要解的是线性系统，它由大的稀疏矩阵组成。
我一直在使用scipy.sparse库，以及它的linalg子库来完成这个任务，但是我无法让一些线性求解器工作。
下面是一个工作示例，它为我再现了这个问题：
from numpy.random import random
from scipy.sparse import csc_matrix
from scipy.sparse.linalg import spsolve, minres
N = 10
A = csc_matrix( random(size = (N,N)) )
A = (A.T).dot(A) # force the matrix
浏览 2提问于2017-10-11得票数 5
回答已采纳
1回答
连接两层Unet
、、、、
我在使用我的Unet模型时遇到了以下错误。(我的图片大小为2652*3519) #expansive path: decoder
n_filters //= growth_factor
up6_1 = tf.keras.layers.concatenate([tf.keras.layers.Conv2DTranspose(n_filters, (2, 2), strides=(2, 2), padding='same',kernel_initializer = 'he_normal')(conv5), conv4_1])
up6_1 = tf.keras.la
浏览 48提问于2021-08-29得票数 1
我一直在使用以下功能API来完成使用CNN的图像分类任务：
def create_model(X_train, X_test):
visible = Input(shape=(X_train.shape[0], X_train.shape[1], 1))
conv1 = Conv2D(32, kernel_size=4, activation='relu')(visible)
hidden1 = Dense(10, activation='relu')(pool2)
output = Dense(1, activation=&#
浏览 0提问于2017-11-01得票数 3
1回答
我尝试使用暹罗神经网络来预测图像，我有一个格式为.hdf5的模型，首先我尝试加载我想预测的图像，然后加载模型，最后调用.predict来预测我想知道的图像。这是我尝试的代码
img = cv2.imread('/Users/tania/Desktop/TEST/Pa/Pu/Pu - Copy (3).PNG')
siamese_model1.load_weights("/Users/tania/Desktop/weights/siamese_n1.hdf5")
siamese_model1.predict(img)
我发现了这个错误
--------------
浏览 4提问于2020-03-18得票数 0
输入：
x_train shape: (6000, 16, 16, 1)
x_test shape: (5000, 16, 16, 1)
y_test shape: (5000, 11, 2)
y_test shape: (5000, 16, 16, 1)
6000 train samples
5000 test samples
神经网络:-
batch_size = 128
num_classes = 10
epochs = 10
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),activation='relu
浏览 6提问于2021-12-06得票数 0
回答已采纳
1回答
根据Keras中的shared layers documentation，可以创建一个共享层，并使用不同的输入形状实例化它。它给出了一个Conv2D共享层的示例，如下所示： a = Input(shape=(32, 32, 3))
b = Input(shape=(64, 64, 3))
conv = Conv2D(16, (3, 3), padding='same')
conved_a = conv(a)
# Only one input so far, the following will work:
assert conv.input_shape == (None,
浏览 19提问于2019-01-03得票数 2
回答已采纳
1回答
我是python的新手，我正在尝试执行以下代码，但得到了以下错误：
im[:,:,0] = f
ValueError: could not broadcast input array from shape (700,900,3) into shape (700,900)
有人能帮我拿一下吗？
img = numpy.zeros((700, 900))
row_idx = 160
curve = []
count = 0
for i in range(0, 900):
contour.append((row_idx, i))
values,
浏览 2提问于2013-11-04得票数 1
1回答
我对NLP非常陌生，我想根据他们的语言对不同的单词进行分类(基本上，我的模型应该告诉我一个单词是法语、英语还是西班牙语等等)。
当我适应下面的模型时，我会得到一个尺寸误差。"dataset“包含单词，它是大小的填充张量(1550，19)，"y”包含不同的语言，它也是大小的填充张量(1550，10)。
np.random.seed(42)
tf.random.set_seed(42)
from tensorflow.keras.layers import LSTM, GRU, Input, Embedding, Dense
input = Input(shape=[None]
浏览 2提问于2020-07-22得票数 0
我正在用训练数据训练一个分类网络，它的X.shape = (1119，7)和Y.shape = (1119，6)。下面是我的简单Keras网络，输出dim为6(标签的大小)。返回的错误在代码下面 hidden_size = 128
model = Sequential()
model.add(Embedding(7, hidden_size))
#model.add(LSTM(128, input_shape=(1,7)))
model.add(LSTM(hidden_size, return_sequences=True))
model.add(LSTM(hidden_size, retu
浏览 17提问于2019-03-13得票数 0
1回答
我在keras上使用LSTM，并使用之前的重整型层，希望我不必为LSTM层指定形状。 输入是84600 x 6 两个月内84600秒。6公制/标签im在2个月内进行测量 到目前为止，我已经 model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Reshape((86400,1,6), input_shape=(84600, 6)))
model.add(tf.keras.layers.LSTM(128, activation='relu', input_shape=
(x_train.shape),
浏览 39提问于2019-02-17得票数 1
通常，我需要在浏览器中运行DistilBERT。首先，我将DistilBERT从huggingface转换为TensorFlow .pb格式。然而，我不知道如何推断它。 转换代码： from transformers import TFAutoModel, AutoTokenizer
model = TFAutoModel.from_pretrained('distilbert-base-uncased')
tokenizer = AutoTokenizer.from_pretrained('distilbert-base-uncased')
dir = &
浏览 24提问于2020-07-16得票数 2
在使用Python进行深度学习实践时，我遇到了以下问题。我该如何解决这个问题？我想识别Cifar-10数据。但是，当您编写以下内容时会出现一个错误:我应该做什么来解决这个问题？请帮帮我。
我正在使用Google (Python 3后端)
我也读过的这篇文章，但不知道那家伙想说什么。
下面是代码和错误的完整版本。
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import tensorflow as tf
from tensorflow import keras
data = keras.dat
浏览 6提问于2022-07-15得票数 1
回答已采纳
使用预训练的ssd_mobilenet_v2_fpnlite_320x320_co17_TPU-8进行实时目标检测。模型的默认输入维数为320 x 320。我想尝试将其更改为100x100或200x200，但当我更改配置文件时，会导致错误。我怎么才能解决这个问题？
除了路径之外，这是配置文件的编辑。
model {
ssd {
num_classes: 36
image_resizer {
fixed_shape_resizer {
height: 100
width: 100
}
}
误差
ValueErr
浏览 5提问于2022-05-09得票数 0
我使用2个LSTM多层堆栈和密集层，它显示了一个错误。
下面是我的代码：
model.add(LSTM(5, batch_input_shape=(batch_size, X.shape[1], X.shape[2]), stateful=True))
model.add(Dropout(0.2))
model.add(LSTM(5,return_sequences=False))
model.add(Dropout(0.2))
model.add(Dense(units=1))
model.add(Activation('relu'))
batch_input_shape=(
浏览 1提问于2018-09-04得票数 1
我尝试通过执行以下操作将向量输入到numpy矩阵中：
eigvec[:,i] = null
然而，我一直收到这个错误：
ValueError: could not broadcast input array from shape (20,1) into shape (20)
我尝试过使用flatten和reshape，但似乎都不起作用
浏览 1提问于2015-04-15得票数 0
2回答
我想训练一个简单的LSTM模型，用于118个多类的128个时间步骤和6个特性的序列数据。
数据集的尺寸如下所示：
X_train, X_test shape: (batch, timesteps, num_features) = (batch, 128, 6)
y_train, y_test shape: (batch, 118)
其中标签由118个类的一个热编码表示。
model = keras.Sequential([
tf.keras.layers.LSTM(units = 32, kernel_initializer =
tf.initializers.zeros()
浏览 7提问于2022-05-14得票数 1
回答已采纳
1回答
我正在尝试开发一个简单的CNN模型，它接收RGB图像并返回与输出相同的3频道。
3 x 128 x 128是我作为投入而给予的东西
K.set_image_data_format('channels_first')
def resBlock(x, channels, kernel_size=[3, 3], scale=0.1):
tmp = Conv2D(channels, kernel_size, kernel_initializer='he_uniform', padding='same')(x)
tmp = Activati
浏览 0提问于2020-11-02得票数 0
回答已采纳
1回答
所以我很确定我输入的尺寸是正确的。我认为错误在于输入的重塑，但不是很确定。
以下是我正在使用的内容：
df_matrix = df_model.as_matrix()
df_matrix = np.reshape(df_matrix,(-1,588425,26))
df_matrix.shape
y_matrix = y.as_matrix()
y_matrix = np.reshape(y_matrix,(-1,588425,1))
df_matrix2 = df_model.as_matrix()
model.add(LSTM(32, input_shape=(588425, 26),
浏览 6提问于2017-09-01得票数 1
1回答
基于卷积网的Keras形状失配
、、、、
我以以下方式构建了我的keras模型(当然，这不是最终的生产准备模型)：
self.model = Sequential()
self.model.add(Conv2D(32, (3, 3), input_shape=(674, 514, 1), padding='same',
activation='relu'))
self.model.compile(loss='mean_squared_error', optimizer='adam', metrics=
['accuracy'])
示范摘要
浏览 0提问于2018-02-08得票数 1
回答已采纳
当ValueError: setting an array element with a sequence循环开始运行并停止时，我得到了行beta[i]=np.cov(rm[i],ra[i])的i=0，所以我得到了rm和ra向量的第一个值，而不是beta的第一个值。agg_df是一个具有50行和1列的pd，名为mean。
import pandas as pd
import glob
import numpy as np
path ="C:\\Users\\sharon\\Desktop\\financial mathematics\\sadna"
all_files = gl
浏览 4提问于2020-03-03得票数 1
1回答
我试图用TensorFlow在R中构建一个模型，该模型只有一个扁平的层。下面是代码的一个片段：
model <- keras_model_sequential() %>%
layer_flatten(input_shape = c(lookback, dim(train.data)[-1]))
model %>% compile(
optimizer = optimizer_rmsprop(),
loss = "mae"
)
history <- model %>% fit_generator(
train_gen,
ste
浏览 0提问于2018-10-05得票数 1
回答已采纳
我在使用CNN的时候收到了这个错误。 r = model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=50) 这就是代码 下面是错误，请帮我解决。 ---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-82-0b7c2e7fa2c
浏览 24提问于2020-04-02得票数 0
回答已采纳
我正在尝试使用Tensorflow和python(3.6)创建我的第一个卷积神经网络。以下是我的代码的相关部分：
def init_weights(shape):
init_random_dist = tf.truncated_normal(shape , stddev = 0.1)
return tf.Variable(init_random_dist)
def init_bias(shape):
init_bias_vals = tf.constant(0.1 , shape = shape)
return tf.Variable(init_bias_vals)
def c
浏览 0提问于2018-04-16得票数 3
1回答
我当时正在做“Iris数据集上的模型验证”的作业。
我得到这个错误：“检查输入时出错:期望dense_input具有形状(135，)，但得到具有形状(4，)的数组”。我如何克服这个问题？
我的代码是
from numpy.random import seed
seed(8)
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets, model_selection
from sklearn.model_selection import trai
浏览 1提问于2020-12-25得票数 1
1回答
我正在使用人力资源分析:员工晋升数据集，来自以下链接：，我的目标是使用该数据集训练张量流神经网络，以便对员工是否会被提升进行分类。数据集中的许多列是.数字值：“不培训”、“年龄”、“前一年评级”、“服务年限”、“奖励？”、“avg_training_score”，而其他的则是.分类价值观：“部门”、“地区”、“教育”、“性别”、“招聘渠道”。我正在寻找一种很好的方法来将具有分类列和数值列的数据转换为能够有效地训练神经网络的数据集。我无意中发现了这个特性列的文档，它似乎给了我我想要的，但是我收到了一条错误消息，并且不知道为什么。下面是我到目前为止尝试使用错误信息的代码。
目录" data
浏览 11提问于2022-11-28得票数 0
1回答
我在tensorflow或python方面没有任何经验，而且API-reference中对语法的描述也不是很好。 我想要做的是将第零列设置为1，以便张量执行多元线性回归。 这是我到目前为止所得到的： def MLR(M, N):
X = tf.random.uniform([M,N])
y = tf.random.uniform([M])
bias = tf.constant(1.0, shape=[M])
X = tf.concat([bias, X],axis=0)
sess = tf.Session()
sess.run(X)
p
浏览 20提问于2019-05-01得票数 0
回答已采纳
2回答
使用h堆栈时的畸形矩阵？
、、、
我有以下矩阵：
>>> X1
shape: (2399, 39999)
type: scipy.sparse.csr.csr_matrix
和
>> X2
shape: (2399, 333534)
type: scipy.sparse.csr.csr_matrix
和
>>>X3.reshape(-1,1)
shape: (2399, 1)
type: <class 'numpy.ndarray'>
如何将X1和X2连接到右侧，以便生成具有以下形状的新矩阵：(2399, 373534)。我知道这可以用或来完成。然而，
浏览 0提问于2017-03-28得票数 1
回答已采纳
1回答
基于四维数据的角点双向层
、、、、
我正在设计基于文章数据的keras分类模型。
我有4维数据如下所示
[batch, article_num, word_num, word embedding size]
我想把每个(word_num，word嵌入)数据输入到keras双向层
为了得到如下的三维结果。
[batch, article_num, bidirectional layer output size]
当我试图为像这样的测试提供4维数据时
inp = Input(shape=(article_num, word_num, ))
# dims = [batch, article_num, word_num]
x = Re
浏览 0提问于2018-11-26得票数 0
回答已采纳
我正在看一本关于Python的深度学习的书，来自F.Chollet。
我试着按照代码示例来做。我刚刚安装了keras，在尝试运行以下代码时，我收到了这个错误:从这个笔记本：
from keras import models
from keras import layers
network = models.Sequential()
network.add(layers.Dense(512, activation='relu', input_shape=(28 * 28,)))
network.add(layers.Dense(10, activation='softm
浏览 0提问于2019-04-07得票数 0
回答已采纳
1回答
我正在尝试使用以下代码将图像重塑为一个长的2d数组(nrow * ncol，nband)： new_shape = (img.shape[0] * img.shape[1], img.shape[2] - 1)
img_as_array = img[:, :, :7].reshape(new_shape)
print('Reshaped from {o} to {n}'.format(o=img.shape,
n=img_as_array.shape)) 由此产生的错误如下： ValueErro
浏览 30提问于2019-04-15得票数 0
2回答
我得到了一个基本错误，有一个奇怪的输出，我不太理解：
复制的步骤
arr1 = np.zeros([6,10,50])
arr2 = np.zeros([6,10])
arr1[:, :, range(25,26,1)] = [arr2]
产生此错误的：
ValueError: shape mismatch: value array of shape (1,6,10) could not be broadcast to indexing result of shape (1,6,10)
有人能解释我做错了什么吗？
浏览 0提问于2019-10-29得票数 0
回答已采纳
2回答
我正在解决手写数字的问题。希望我的代码是自解释的。 import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import csv
import numpy as np
with open('train.csv') as f:
reader = csv.reader(f)
contents = list(reader)
labels = n
浏览 118提问于2021-05-11得票数 1
3回答
如何替换稀疏矩阵中的列
、、、
我有一个二维维度相同的矩阵A和B，A是一个零矩阵，从B开始，我只想取第一列，并用B.col替换第一个A.col。
我写
data_sims = np.zeros((data.shape[0],data.shape[1]))
data_sims = sparse.csr_matrix(data_sims).tocoo()
我试过那样的smth，但是没用
data_sims.getcol(0).toarray = data.getcol(0).toarray()
我甚至尝试使用hstack，但我再次得到错误"ValueError:块必须是2-D“，但它们是相同的2-D大小，我错过了什么？请
浏览 3提问于2017-05-21得票数 2
1回答
Keras:用于一维输入的卷积层
、、、、
我不能为一维输入向量建立CNN。
输入值示例：
df_x.iloc[300]
Out[33]:
0 0.571429
1 1.000000
2 0.971429
3 0.800000
4 1.000000
5 0.142857
6 0.657143
7 0.857143
8 0.971429
9 0.000000
10 0.000000
11 0.000000
12 0.000000
13 0.000000
14 0.000000
15 0.000000
Name: 300, d
浏览 0提问于2018-04-09得票数 2
回答已采纳
1回答
所以我在这里不知所措。我训练了我的模型，一切正常；但是当我尝试使用预测方法时，我得到了以下错误：
ValueError:在检查输入时出错:期望dense_1_input具有形状(64 )，但得到带有形状(1，)的数组
我觉得很奇怪，因为我给的输入是(64，)，我甚至用cli返回了这个形状
print(type(test_x[0]))
print(test_x[0].shape)
回传
<class 'numpy.ndarray'>
(64，)
在我看来，当我使用
print(str(np.argmax(model.predict(test_x
浏览 1提问于2021-08-10得票数 0
回答已采纳
我目前正在学习TensorFlow。我正在尝试创建一个神经网络，它可以准确地评估预测模型，并为其分配分数。我现在的计划是将已经存在的程序的分数结合起来，通过mlp运行它们，同时将它们与真实值进行比较。我已经使用了MNIST的数据，我正在尝试将我所学到的知识应用到我的项目中。不幸的是我有个问题
def multilayer_perceptron(x, w1):
# Hidden layer with RELU activation
layer_1 = tf.matmul(x, w1)
layer_1 = tf.nn.relu(layer_1)
# Output layer
浏览 0提问于2017-01-25得票数 0
回答已采纳
首先，这是获得执行LDA的语料库的主题分布的正确方法吗？
lda = LdaModel(corpus, num_topics=500, update_every=0, passes=2)
#get the topics distribution of the corpus
result=lda[corpus]
现在，当我将alpha参数添加到LDA并尝试将语料库转换为稀疏矩阵时，出现了问题，如下所示：
1- lda = LdaModel(corpus, num_topics=500, update_every=0, passes=2,alpha=0.5)
2- result=lda
浏览 1提问于2013-05-13得票数 1
1回答
我正在工作的项目中，模型以三维长方体为输入，并重建三维长方体。我正在犯错误：
ValueError: Can not squeeze dim[4], expected a dimension of 1, got 3 for '{{node Squeeze}} =
Squeeze[T=DT_FLOAT, squeeze_dims=[-1]](remove_squeezable_dimensions/Squeeze)' with input
shapes: [1,227,227,10,3].
我用的是以下型号。输入为10个高度和宽度227*227和三通道(R，G，B)的抽吸框
浏览 7提问于2022-05-02得票数 -1
回答已采纳
我试图为一篇研究论文运行，当我运行文件(这是主要文件)时，学习了优化器，对进行了扩展和概括，得到了以下错误：
Traceback (most recent call last):
File "metarun.py", line 394, in
tf.app.run()
File "/home/rvl224/anaconda3/lib/python3.5/site-packages/tensorflow/python/platform/app.py", line 48, in run
_sys.exit(main(_sys.argv[:1] + flags_pas
浏览 5提问于2020-05-14得票数 1
回答已采纳
1回答
我正在尝试使用Keras Dot，并有以下错误。你能解释一下我做错了什么吗？
x1 = Input(shape=(2,4))
x2 = Input(shape=(4,))
y1 = dot([x1,x2], axes = (2,1))
modelA = Model(inputs=[x1, x2], outputs=y1)
a1 = np.arange(16).reshape(2,2,4)
a2 = np.array( [1,2,3,4] )
modelA.predict([a1,a2])
---->
ValueError: Error when checking : expecte
浏览 1提问于2018-06-17得票数 0
1回答
我有这样的代码:我想测试它，但是我得到了以下警告和错误
WARNING:tensorflow:Model was constructed with shape (None, 7) for input KerasTensor(type_spec=TensorSpec(shape=(None, 7), dtype=tf.float32, name='normalization_1_input'), name='normalization_1_input', description="created by layer 'normalization_1_
浏览 4提问于2022-01-24得票数 1
回答已采纳
1回答
嗨，对于我推荐的电影，我使用TF-IDF，但我有一个形状错误。
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(analyzer='word', ngram_range=(1, 2), min_df=0, stop_words='english')
tfidf_matrix = tfidf.fit_transform(X_train.summary)
tfidf_matrix.shape
OutPut：
(3933, 56162)
然后：
f
浏览 2提问于2020-04-27得票数 0
1回答
我是一个全新的TensorFlow新手。我遵循了一些教程，并设计出了我的第一个多类分类模型。 我不确定我的层是否设计合理，无论如何，测试的准确率是0.98左右。 问题是我不能使用我的模型来预测新的输入。这是我用来训练模型的代码和数据。 数据有10列，最后一列是类名。该模型使用一行9个值来预测该行适合哪个类。 所有的代码都在colab上运行。 !pip install sklearn
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow import feature_column
fro
浏览 17提问于2021-08-05得票数 0
回答已采纳
1回答
我有CNN并希望将其更改为LSTM，但当我修改代码时，收到相同的错误: ValueError:输入0与图层不兼容gru_1:期望的ndim=3，找到ndim=4
我已经更改了ndim，但没有起作用。
关注我的cnn
def build_model(X,Y,nb_classes):
nb_filters = 32 # number of convolutional filters to use
pool_size = (2, 2) # size of pooling area for max pooling
kernel_size = (3, 3) # convol
浏览 1提问于2017-09-30得票数 1
Numpy文档声称您可以将不同长度的数组相乘在一起，但是它不能工作。我肯定是误解了它的说法，但没有任何例子可以支持他们的文字。来自
因此，我创建了一些代码来尝试它，但是我得到了一个错误，上面写着ValueError: operands could not be broadcast together with shapes (4,1) (3,1)。同样的错误，如果我尝试这与形状(4,) and (3,)。
a = np.array([[1.0],
[1.0],
[1.0],
[1.0]])
print(a.s
浏览 13提问于2022-08-25得票数 -2
目前，我正在学习Deeplearning.ai在课程上的深度学习专门知识，并完成了第一项任务，这就需要使用Logistic回归思维来实现神经网络。问题在于神经网络作为非结构化数据(图像)的Logistic回归函数的实现。我已经成功地完成了任务，获得了所有预期的产出。然而，我现在尝试使用编码的神经网络用于结构数据，但遇到广播错误。守则的部分内容如下：
数据集代码
path_train = r'C:\Users\Ahmed Ismail Khalid\Desktop\Research Paper\Research Paper Feature Sets\Balanced Feature Se
浏览 2提问于2019-10-04得票数 0
回答已采纳
2回答
我试图使用数组作为tensorflow模型的输入，训练输入是xs，训练输出是ys，测试输入是zs，当我训练模型时，一切都很好，但是如果我使用预测，则会出现这样的错误：
ValueError Traceback (most recent call last)
<ipython-input-1-08c8b5d5ab9e> in <module>()
26 model.fit(xs,ys, epochs=500)
27
---> 28 print(model.predict(zs))
浏览 3提问于2020-12-15得票数 0
回答已采纳
当使用apply调用Pandas上的axis=1时，当尝试将列表设置为单元格值时获取ValueError。
Note：不同行中的列表有不同的长度，这似乎是原因，但不确定如何克服它。
import numpy as np
import pandas as pd
data = [{'a': 1, 'b': '3412', 'c': 0}, {'a': 88, 'b': '56\t23', 'c': 1},
{'a': 45, 'b':
浏览 0提问于2018-03-23得票数 1
回答已采纳
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
