Question

self.model = Sequential()
self.model.add(Dense(units=20, input_dim=9))
self.model.add(Activation('relu'))
self.model.add(Dense(units=len(labels)))
self.model.add(Activation('softmax'))
self.model.compile(optimizer='sgd', #  rmsprop
                   loss='categorical_crossentropy',
                   metrics=['accuracy'])

x = np.array([[0] * 9])
print('x {} {}'.format(x.shape, x))
a = self.model.predict(x)

给出了

TypeError：只能将整数标量数组转换为标量索引

根本没有意义。

    x = np.array([0] * 9)

ValueError：检查时出错：期望的dense_1_input具有形状（无，9）但是具有形状的数组（9,1）

请帮助welp

Answer 1

我认为错误信息有点令人困惑，但解决方案很简单。如果您的输入数组的形状为(x, y, z)，则预测的预期输入形状为(n, x, y, z），其中n是样本数（在您的情况下为1）。

只需使用

self.model.predict(x.reshape((1, ) + x.shape))

如何设置Numpy输入

1 个答案: