Keras：使用验证数据时出现形状错误

正在尝试将验证添加到

model.fit

，但每次添加时都会出现错误：

ValueError: Cannot feed value of shape (6, 4, 10) for Tensor 'lstm_input_1:0', which has shape '(32, 4, 10)'

型号：

---

可能是什么错误？如果我删除

validation\u split

。我还尝试手动将我的训练集拆分为两个，并使用

validation\u data=（x\u val，y\u val）

添加它，但我得到了完全相同的错误。

问题来自于您硬编码输入值的

批量大小。您已将其固定为32，然后当您尝试验证您的模型时，验证数据将与一批6个样本一起发送，这可能是因为您没有足够的验证数据，或者可能是因为样本数不是32的倍数。。。但是，如果我是你，我会让
批量大小
免费。像这样：

model.add(LSTM(128, input_shape=(timesteps, data_dim), return_sequences=True, stateful=True))

指定
input\u-shape
而不是
batch\u-input\u-shape
。这样，您的网络将接受任何大小的批处理，模型流中的每一层都将适应任何批处理大小（如果没有硬编码）

我希望这能有所帮助：）
对不起，那是我的错，我刚在副本上打错了字。实际输出如下：
对768个样本进行训练，对768个样本进行验证
和
值错误：无法为张量'lstm\u input_1:0'输入形状（768,4,10）的值，该张量具有形状'（32,4,10）
。768显然是32的倍数，这就是我不理解错误的原因。验证不是分批进行的。验证时，它将整个验证集作为一个批次发送，并对其进行预测。因此错误。。。修复工作正常吗？更改为输入形状而不是批处理输入形状啊，这很有效，尽管我也必须删除
stateful=True
。为什么？您不需要stateful，也不需要批处理相关的约束？如果您确实需要按批进行验证，可以使用fit_generator，然后可以使用生成器来生成培训数据和验证数据。这有助于您管理批次的进入方式，并使用批次进行验证。：）
model.add(LSTM(128, input_shape=(timesteps, data_dim), return_sequences=True, stateful=True))