Python 数组整形后keras中的索引错误
我使用了一个.csv文件作为图像数据,我将其重塑为一个2d numpy数组来表示图像 我不确定我遗漏了什么,在拟合模型时,我不断得到一个“索引器:列表索引超出范围”Python 数组整形后keras中的索引错误,python,tensorflow,keras,Python,Tensorflow,Keras,我使用了一个.csv文件作为图像数据,我将其重塑为一个2d numpy数组来表示图像 我不确定我遗漏了什么,在拟合模型时,我不断得到一个“索引器:列表索引超出范围” train_data = pd.read_csv('sign_mnist_train.csv') test_data = pd.read_csv('sign_mnist_test.csv') train_labels = train_data.pop('label').to_numpy().reshape(-1, 1) test_
train_data = pd.read_csv('sign_mnist_train.csv')
test_data = pd.read_csv('sign_mnist_test.csv')
train_labels = train_data.pop('label').to_numpy().reshape(-1, 1)
test_labels = test_data.pop('label').to_numpy().reshape(-1, 1)
train_images = train_data.to_numpy().reshape(-1, 28, 28, 1) / 255.0
test_images = test_data.to_numpy().reshape(-1, 28, 28, 1) / 255.0
def make_model():
model = models.Sequential()
model.add(layers.Conv2D(32, (3,3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPool2D((2,2)))
model.add(layers.Conv2D(64, (3,3), activation='relu'))
model.add(layers.MaxPool2D(2,2))
model.add(layers.Conv2D(64, (3,3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64))
model.add(layers.Dense(25))
model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy,
metrics=['accuracy'])
return model
model = make_model()
model.fit(train_images, train_labels, epochs=5, validation_data(test_images, test_labels))
完整回溯:
根据您命名的测试图像,我想问题出在这个
序列数据上。
此外,根据代码,您正在将它们重塑为4D张量,而不是2D张量
train_images = train_data.to_numpy().reshape(-1, 28, 28, 1)
test_images = test_data.to_numpy().reshape(-1, 28, 28, 1)
train_images = train_images / 255.0
test_images = test_images / 255.0
编辑:
检查对目标变量应用一个热编码是否有帮助
train_labels = tf.keras.utils.to_categorical(train_labels)
欢迎来到SO。请发布产生错误的代码和完整的回溯。@Frightera,我用它更新了我的评论。我希望这就是你要找的。但是如果我把4D张量的3维(宽度、高度、颜色通道)输入到Conv2D层,它不会自动找到第4维吗?我不知道为什么会有问题。重塑后的列车图像将具有4D,即(批次大小、宽度、高度、颜色\u通道)
。这不是一个问题,我只是指出它不是正在创建的2D张量。@用户如果这回答了您的问题,请接受并投票。我仍然不确定出了什么问题,错误仍然存在。我使用的损失函数有问题。现在一切都好了,谢谢。