python中完全连接的深度神经网络输入的重塑误差

Question

我正在实现一个完全连接的深度神经网络。为网络提供数据需要重塑我的数据，但我面临这个错误。这是解决它的任何建议吗？

import time
start=time.time()
import numpy as np
from keras.layers import Dense
from keras.models import Sequential
from scipy.io import loadmat

Tar_train = (x['t_train']) 
Tar_val = (x['t_val'])
Tar_test = (x['t_test'])

Signal_train = x['data_train']
Signal_val = x['data_val']
Signal_test = x['data_test']

Signal_train = np.reshape(Signal_train,(240*64)) 
Signal_val = np.reshape(Signal_val,(240*64))
Signal_test = np.reshape(Signal_test,(240*64))

model = Sequential()
model.add(Dense(20 , activation='relu' , input_shape=(240*64,) ))
model.add(Dense(200, activation='relu'))

signal_train 的大小为 (1274, 240, 64) signal_validation 的大小为 (510, 240, 64) signal_test 的大小为 (764, 240, 64)

错误是： ValueError: 无法将大小为 19568640 的数组重塑为形状 (15360,)

Answer 1

假设错误发生在第一个np.reshape，使用

Signal_train = np.reshape(Signal_train, (-1, 240*64)) 
Signal_val = np.reshape(Signal_val, (-1, 240*64))
Signal_test = np.reshape(Signal_test, (-1, 240*64))

这是因为当您展平其余两个维度时，会保留第一个维度（1274，代表Signal_train）。例如，将 1274 张 240 x 64 的图像展平成 1274 个 240*64 维度的向量时，总共仍然有 1274 张图像。

-1 表示维度大小意味着让 numpy 使用适合原始大小的任何维度大小。在这种情况下，第一个 -1 隐含为 1274 等。