Python 将输入形状配置为掩蔽+；致密干酪层

模型如下：

model = Sequential()

model.add(Masking(mask_value=-1, input_shape=(x_t.shape[0], x_t.shape[1])))

model.add(Dense(60, kernel_initializer='random_uniform', activation=DENSE_ACTIVATION,
                    input_shape=(x_t.shape[1],)))
model.add(Dropout(0.2))

model.add(Dense(120, activation=DENSE_ACTIVATION, input_shape=(60,)))
model.add(Dropout(0.2))

model.add(Dense(1, activation=DENSE_ACTIVATION, input_shape=(120,)))

我似乎无法为模型提供有效的

x\u t

。我尝试了各种形状，得到了各种错误的回应

如果我尝试（n_样本，n_特征）2d矩阵，我会得到一个错误：

检查输入时出错：预期屏蔽\u 1\u输入有3个维度，但得到了具有形状的数组（n\u个样本，n\u个特征）

如果我尝试（n_样本，1，n_特征）3d矩阵，我会得到一个错误

检查输入时出错：预期屏蔽\u 1\u输入具有形状（n\u样本，1），但获得具有形状（1，n\u特征）的数组

---

似乎您有两个维度的非时间序列数据

（样本维度、特征维度）

。定义

input_形状

时，您不包含由Keras自动添加的

sample_维度

。因此，试试这个

---

model.add（掩蔽（掩蔽值=-1，输入形状=（x\u.t.shape[1]，））

似乎您有两个维度的非时间序列数据

（样本维度，特征维度）

。定义

input_形状

时，您不包含由Keras自动添加的

sample_维度

。因此，试试这个

model.add（掩蔽（掩蔽值=-1，输入形状=（x\u.t.shape[1]，））