我在尝试使用一个已构建的Keras模型来处理新数据时，遇到了预测时的输入错误。
这是我的模型代码:
def build_model(max_features, maxlen): """构建LSTM模型""" model = Sequential() model.add(Embedding(max_features, 128, input_length=maxlen)) model.add(LSTM(128)) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) model.compile(loss='binary_crossentropy', optimizer='rmsprop') return model这是我用来预测新数据输出结果的代码:
LSTM_model = load_model('LSTMmodel.h5')data = pickle.load(open('traindata.pkl', 'rb'))#### LSTM ####"""在逻辑回归模型上运行训练/测试"""# 提取数据和标签X = [x[1] for x in data]labels = [x[0] for x in data]# 生成有效字符的字典valid_chars = {x:idx+1 for idx, x in enumerate(set(''.join(X)))}max_features = len(valid_chars) + 1maxlen = np.max([len(x) for x in X])# 将字符转换为整数并填充X = [[valid_chars[y] for y in x] for x in X]X = sequence.pad_sequences(X, maxlen=maxlen)# 将标签转换为0-1y = [0 if x == 'benign' else 1 for x in labels]y_pred = LSTM_model.predict(X)运行这段代码时我得到的错误是:
ValueError: Error when checking input: expected embedding_1_input to have shape (57,) but got array with shape (36,)我的错误来自于maxlen，因为在我的训练数据中，maxlen=57，而在我的新数据中，maxlen=36。
所以我在预测代码中尝试设置maxlen=57，但接着我得到了这个错误:
tensorflow.python.framework.errors_impl.InvalidArgumentError: indices[31,53] = 38 is not in [0, 38) [[Node: embedding_1/embedding_lookup = GatherV2[Taxis=DT_INT32, Tindices=DT_INT32, Tparams=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding_1/embeddings/read, embedding_1/Cast, embedding_1/embedding_lookup/axis)]]为了解决这些问题，我应该做些什么？更改我的嵌入层吗？
回答：
要么将嵌入层的input_length设置为数据集中可能见到的最大长度，要么在pad_sequences中使用构建模型时使用的相同maxlen值。这样，任何短于maxlen的序列都会被填充，任何长于maxlen的序列都会被截断。
另外，请确保在训练和测试时使用的特征是相同的（即它们的数量不应改变）。
