tensorflow - LSTM 拟合错误:data[0].shape = [3] 不以 indices[0].shape = [2] 开头
问题描述
我正在制作 LSTM 时间序列预测代码,但出现错误。
我的代码是:
-*- coding: utf-8 -*-
import pandas as pd
train = pd.read_csv("./data/train.csv")
test = pd.read_csv("./data/test.csv")
train['date'] = pd.to_datetime(train['date'])
train['weekday'] = train['date'].dt.weekday
train = pd.get_dummies(train,columns=['weekday'])
test['date'] = pd.to_datetime(test['date'])
test['weekday'] = test['date'].dt.weekday
test = pd.get_dummies(test,columns=['weekday'])
train['in_out'].value_counts()
train['in_out'] = train['in_out'].map({'inner':0,'outer':1})
test['in_out'] = test['in_out'].map({'inner':0,'outer':1})
import numpy
import matplotlib.pyplot as plt
import pandas
import math
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
input_var=['6~7_ride', '7~8_ride', '8~9_ride', '9~10_ride','10~11_ride', '11~12$
target=['18~20_ride']
X_train=train[input_var]
y_train=train[target]
X_test=test[input_var]
trainxnp = X_train.to_numpy().reshape(415423,1,19)
trainynp = y_train.to_numpy().reshape(415423,1,1)
import tensorflow as tf
import numpy as np
model = Sequential()
model.add(LSTM(4, input_shape=(None, 19)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainxnp, trainynp, epochs=100, batch_size=1, verbose=2)
model.save('models.h5')
但是..得到这个错误
data[0].shape = [3] does not start with indices[0].shape = [2]
我用谷歌搜索了这个错误,但我无法解决这个问题。我更改了我的模块版本(tf -> 2.0.0,numpy -> 1.16.6)
请帮忙!
解决方案
推荐阅读
- php - 如何在 PHP 中按值对对象进行排序?
- c# - 使用 MVVM 获取在 MPF 中选中的复选框项目
- cyclejs - 使用 rxjs 而不是 xstream 自定义一刀切
- android - 如何使用尽可能少的 Android Studio 在 macOS + React Native 上使用 Android Emulator?
- mysql - 安装mysql后无法创建密码或以root用户身份登录
- movie - 在 PyMOL 中创建具有相互独立移动的对象和摄像机的电影的步骤
- java - 如何确保用户输入在给定的有效范围内?
- microsoft-cognitive - 如何对存储在 azure 数据存储 blob 中的图像运行 Face-API 查询?
- python - 如何让 hyperopt 教程示例运行
- r - 如何在 Simmer 环境中编写生成器循环