python - 矩阵大小不兼容:In[0]: [32,97], In[1]: [121,80] [[{{node dense_46/Relu}}]]
问题描述
关于我的输入数据的一些信息 我有一段代码如下:
# Test/ train
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(aki_pos, aki_death, test_size=0.20, random_state=42)
# Create model
model = Sequential()
model.add(Dense(80, input_dim=97 , activation = 'relu'))
model.add(Dense(60, activation = 'relu'))
model.add(Dense(40, activation = 'relu'))
model.add(Dense(20, activation = 'relu'))
model.add(Dense(1, activation = 'sigmoid'))
# Compile model
model.compile(loss = 'binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# checkpoint
# checkpoint
from keras.callbacks import ModelCheckpoint
filepath="weights.best.hdf5"
checkpoint = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
callbacks_list = [checkpoint]
model.fit(X_train, y_train, batch_size=20, nb_epoch=150, verbose=1, callbacks=callbacks_list, validation_data=(X_test, y_test), shuffle=True)
# Load model
model.load_weights("weights.best.hdf5")
# estimate accuracy on test data set using loaded weights
scores = model.evaluate(X_test, y_test, verbose=0)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
因此,当我创建、编译和加载模型时一切都很好,但是当我估计测试数据的准确度得分时出现错误,如错误所示:
"Matrix size-incompatible: In[0]: [32,97], In[1]: [121,80]
[[{{node dense_46/Relu}}]]"
我是 ML 新手,请帮我解决这个问题!
解决方案
推荐阅读
- lua - 我需要任何可以解码 Luraph 混淆器的人
- node.js - graphql-js 的循环依赖问题(ReferenceError)
- c++ - 如何使用 Gstreamermm 传递帧
- python - Python将str转换为int
- alert - 由于“副作用”,指示器警报不起作用
- javascript - Vuetify 数据表 - 当每页项目被隐藏时,上一页/下一页显示在左侧
- javascript - 在 sessionStorage 中提交后保存消息
- python - NoReverseMatch at /course/ Reverse for 'course_detail' 未找到。“course_detail”不是有效的视图函数或模式名称
- python-3.x - Django - ListView 中的批处理操作 - 选择行并返回 Zip 存档作为响应
- r - 使用 Kable 将简单的表格添加到单词列表