C# 预检测引擎-架构不匹配：“0”；期望R4的标量或已知大小向量，得到可变大小向量“；

我试图训练和预测一个具有多种特征的模型。我们将我的数据称为“直方图”，带有一个浮点目标和

Sensor1

到

Sensor6

，它们是

float[64]

数据从CSV加载，第一列作为目标，然后是第1-64列Sensor1、65-129列Sensor2等

直方图类：

class Histogram
{
    [LoadColumn(0)] public float Target;
    [LoadColumn(1, 64), ColumnName("Sensor1")]
    public float[] Sensor1;
    [LoadColumn(65, 129), ColumnName("Sensor2")]
    public float[] Sensor2;
    [LoadColumn(130, 193), ColumnName("Sensor3")]
    public float[] Sensor3;
    [LoadColumn(194, 257), ColumnName("Sensor4")]
    public float[] Sensor4;
    [LoadColumn(258, 321), ColumnName("Sensor5")]
    public float[] Sensor5;
    [LoadColumn(322, 385), ColumnName("Sensor6")]
    public float[] Sensor6;
}

培训完成，但在创建具有以下内容的预测引擎时：

var predictor = trainedModel.CreatePredictionEngine<Histogram, PredictedTarget>(mlCtx);

我正在创建处理管道，如下所示：

IDataView baseTrainingDataView = mlCtx.Data.LoadFromTextFile<Histogram>(trainDataPath, hasHeader: true, separatorChar: ',');
var dataProcessPipeline = mlCtx.Transforms
            .CopyColumns(DefaultColumnNames.Label, nameof(Histogram.Target))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor1), "Sensor1"))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor2), "Sensor2"))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor3), "Sensor3"))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor4), "Sensor4"))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor5), "Sensor5"))
            .Append(mlCtx.Transforms.Normalize(nameof(Histogram.Sensor6), "Sensor6"))
            .Append(mlCtx.Transforms.Concatenate(DefaultColumnNames.Features, "Sensor1", "Sensor2", "Sensor3", "Sensor4", "Sensor5", "Sensor6"));

IDataView baseTrainingDataView=mlCtx.Data.LoadFromTextFile（trainDataPath，HashHeader:true，separatorChar:'，'）；
var dataProcessPipeline=mlCtx.Transforms
.CopyColumns（DefaultColumnNames.Label，nameof（Histogram.Target））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor1），“Sensor1”））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor2），“Sensor2”））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor3），“Sensor3”））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor4），“Sensor4”））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor5），“Sensor5”））
.Append（mlCtx.Transforms.Normalize（nameof（Histogram.Sensor6），“Sensor6”））
.Append（mlCtx.Transforms.Concatenate（DefaultColumnNames.Features，“传感器1”、“传感器2”、“传感器3”、“传感器4”、“传感器5”、“传感器6”）；

---

实际上，我不确定还需要提供哪些信息，因为这是我第一次尝试使用ML.NET。我会根据需要编辑更多！谢谢。

大多数ML.NET培训师都希望使用固定大小的向量。 可以使用VectorType属性指定特征为向量。下面是使用VectorType属性装饰时直方图类的外观

class Histogram
{
    [LoadColumn(0)]
    public float Target;

    [LoadColumn(1, 64), ColumnName("Sensor1"), VectorType(64)]
    public float[] Sensor1;

    [LoadColumn(65, 129), ColumnName("Sensor2"), VectorType(64)]
    public float[] Sensor2;

    [LoadColumn(130, 193), ColumnName("Sensor3"), VectorType(64)]
    public float[] Sensor3;

    [LoadColumn(194, 257), ColumnName("Sensor4"), VectorType(64)]
    public float[] Sensor4;

    [LoadColumn(258, 321), ColumnName("Sensor5"), VectorType(64)]
    public float[] Sensor5;

    [LoadColumn(322, 385), ColumnName("Sensor6"), VectorType(64)]
    public float[] Sensor6;
}

另外，Normalize（）方法的签名是Normalize（outputColumnName，inputColumnName）。尽管在这种情况下这可能无关紧要，因为输入列名和输出列名解析为相同的值（例如：Sensor1），但在调用中包含参数名可能更安全，因为有多个带有默认参数的Normalize（）重载。虽然冗长，但包含参数名可以明确地表明您的意图

...
.Append(mlCtx.Transforms.Normalize(outputColumnName: "Sensor1",
                                   inputColumnName: nameof(Histogram.Sensor1)))
...

---

您能显示从文件读取的代码吗？@Jon，

mlCtx.Data.LoadFromTextFile

与CSV文件

trainDataPath

一起提供，这有助于通过之前出现异常的行！但是，现在

predictor.Predict（sample）

出现运行时异常。但无论如何，你已经赢得了赏金@帕特里克，你犯了什么错误？这很可能是PredictedTarget类的模式理解问题。您的PredictedTarget类中是否有保存回归值的class属性上的[ColumnName（“Score”）]属性装饰？@wgiri，我使用相同的

直方图

类，填充除

目标

之外的所有内容-将其保留为零。异常为System.InvalidOperationException:“由于对象的当前状态，操作无效。”能否发布PredictedTarget类的定义？

...
.Append(mlCtx.Transforms.Normalize(outputColumnName: "Sensor1",
                                   inputColumnName: nameof(Histogram.Sensor1)))
...