Question

提供的数据包含一个书面数字数据集（45000行，784列），一个语音数字数据集（45000行，1列）和一个包含带有值TRUE或FALSE（45000，布尔值）的标签的数据集。当语音和书面值对应于相同的数字时，label-value为TRUE。因此，我需要创建一个神经网络来预测结果是TRUE还是FALSE。

首先，我总结了数据（最小，最大，平均值，标准差）并应用了Perceptron，但错误率过高。因此，现在我正在尝试创建一个神经网络以应用于此问题。但是我被卡住了。

首先，我重塑了数据以使其正常工作：

written_train = written_train.reshape(45000,28,28)
spoken_train = spoken_train.reshape(45000,1,1)

之后，我想将此模型应用于数据：

def model(i,p,data_a,data_b,labels):
    x=Input(shape=(28,28))
    y=Input(shape=(1,1))
    admi=LSTM(40,return_sequences=False)(x)
    pla=LSTM(40,return_sequences=False)(y)
    out=concatenate([admi,pla],axis=-1)
    print(pla)
    print(out)
    output=Dense(1, activation='sigmoid')(out)
    model = Model(inputs=[x, y], outputs=output)
    model.compile(optimizer='rmsprop',
          loss='binary_crossentropy',
          metrics=['accuracy'])
    n=model.fit([data_a, data_b],labels,batch_size=1, epochs=10)
    return n

re=model(1,4,written_train,spoken_train,match_train)
print(re)

这将导致以下错误消息：

ValueError: setting an array element with a sequence.

所以我认为确实需要一些预处理，但是我不知道该如何做。另外，这是我第一次使用Stackoverflow。因此，如果有任何需要改进的地方，请告诉我：）

如何训练神经网络以识别书面和口头号码是否相同

0 个答案: