tflearn DNN模型出现TargetsData/Y:0错误

我遇到了以下错误…

ValueError: 无法为形状为(16,)的值提供给Tensor ‘TargetsData/Y:0’,其形状为'(?, 16)’

我明白这与我的Y变量的形状有关,在这种情况下,变量是labels,但我不确定如何改变形状以使我的模型正常工作。

基本上,我有一个CSV文件,我使用pandas将其保存到变量中…

data = pd.read_csv('Speed Dating Data.csv')

经过一些预处理后,我决定这样提取我的目标类…

# 用于训练的目标标签labels = np.array(data["age"], dtype=np.float32)

接下来我从我的data变量中删除了这一列…

# 用于训练的数据,不包括目标标签data = np.array(data.drop("age", axis=1), dtype=np.float32)

然后我决定设置我的模型…

net = tflearn.input_data(shape=[None, 32])net = tflearn.fully_connected(net, 32)net = tflearn.fully_connected(net, 32)net = tflearn.fully_connected(net, 16, activation='softmax')net = tflearn.regression(net)# 定义模型model = tflearn.DNN(net)model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

如果我运行这个,我会得到上面的错误。因为我的labels似乎是(16,),但我需要它是(?, 16),我尝试了以下代码…

labels = labels[np.newaxis, :]

但这又产生了另一个错误。我认为我不确定我的目标类labels应该是什么形式。我该如何解决这个问题?


回答:

根据以下方法调整你的label的形状,

label= np.reshape(label,(-1,16)) # 因为你有16个类别

这将label重塑为(?,16)的形状。

希望这对你有帮助。

根据你的需求更新。并添加了对更改的注释。

labels = np.array(data["age"], dtype=np.float32)label= np.reshape(label,(-1,1)) #重塑为[6605,1]data = np.array(data.drop("age", axis=1), dtype=np.float32)net = tflearn.input_data(shape=[None, 32])net = tflearn.fully_connected(net, 32)net = tflearn.fully_connected(net, 32)net = tflearn.fully_connected(net, 1, activation='softmax') #由于这是一个回归问题,只有一个输出net = tflearn.regression(net)# 定义模型model = tflearn.DNN(net)model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注