Lstm Keras - 如何增加纪元数

Question

>我正在研究二元分类 我想增加代码中的纪元数，这是我在增加密集函数中的值时的数据集 我得到 检查目标时出错：expected dense_16 to have shape (10,) but got array with shape (1,)

[[   nan  1520.  1295.    nan  8396.  9322. 12715.    nan  5172.  7232.
11266.    nan 11266.  2757.  4416. 12020. 12111.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
[   nan  3045. 11480.   900.  5842. 11496.  4463.    nan 11956.   900.
10400.  8022.  2504. 12106.     0.     0.     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
[   nan  9307. 12003.  2879.  6398.  9372.  4614.  5222.    nan    nan
2879. 10364.  6923.  4709.  4860. 11871.     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
[   nan  6689.  2818. 12003.  6480.    nan     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
[   nan  3395.  1087. 11904.  7232.  8840. 10115.  4494. 11516.  7441.
8535. 12106.     0.     0.     0.     0.     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
[   nan  1287.   420.  4070. 11087.  7410. 12186.  2387. 12111.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]]

我想在这里增加纪元的数量

PositiveOrNegativeLabel=np.array([[1]])
PositiveOrNegativeLabel=PositiveOrNegativeLabel.reshape(1,-1)
PositiveOrNegativeLabel.shape
inputBatch =inputBatch.reshape(1,6,30)
print(PositiveOrNegativeLabel.shape)
model=Sequential()
model.add(LSTM(100,input_shape=(6,30)))
model.add(Dense(1,activation="sigmoid"))
model.compile(loss='mean_absolute_error',optimizer='adam',metrics=['accuracy'])
model.fit(inputBatch,PositiveOrNegativeLabel,batch_size=24,verbose=1)

这是我收到的值错误 值错误：检查目标时出错：预期dense_16具有形状 (10，(，但得到具有形状 (1，( 的数组

Answer 1

我相信这可能是最后一层的输出与您预期的输出尺寸不匹配。解决此问题的一种简单方法是更改线路

model.add(Dense(1,activation="sigmoid"))

自：

model.add(Dense(10,activation="sigmoid"))

如果您需要进一步的帮助，您能否列出您正在使用的所有变量及其尺寸？

此外，您在这里有一些不符合 PEP8 的空格问题。我建议你退房： https://www.python.org/dev/peps/pep-0008/