Python keras LSTM多任务学习功能api输入数据
我有两个数据框用于多任务学习,我想预测两个不同数据集的2值 我得到这个错误Python keras LSTM多任务学习功能api输入数据,python,tensorflow,keras,lstm,recurrent-neural-network,Python,Tensorflow,Keras,Lstm,Recurrent Neural Network,我有两个数据框用于多任务学习,我想预测两个不同数据集的2值 我得到这个错误 ValueError: Data cardinality is ambiguous: x sizes: 24, 41 y sizes: 24, 41 Please provide data which shares the same first dimension. 第一个维度(代表样本)必须相同,否则您无法使用此数据进行多任务学习。我如何才能像这样使用不同的数据帧分析rnn?您是否引用不同的方法?第一个维度
ValueError: Data cardinality is ambiguous:
x sizes: 24, 41
y sizes: 24, 41
Please provide data which shares the same first dimension.
第一个维度(代表样本)必须相同,否则您无法使用此数据进行多任务学习。我如何才能像这样使用不同的数据帧分析rnn?您是否引用不同的方法?第一个维度(代表样本)必须相同,否则,您无法使用此数据进行多任务学习。我如何才能像这样使用不同的数据帧分析rnn?您是否引用了不同的方法?
# input tensor
X_data = trainxx.reshape((trainxx.shape[0], 1, trainxx.shape[1]))
(24, 1, 10)
B_data = trainxx9.reshape((trainxx9.shape[0], 1, trainxx9.shape[1]))
(42, 1, 15)
y values are numpy array
ytrainxx
(24,)
ytrainxx9
(42,)
i1 = Input((24,10))
i2 = Input((42,15))
l1 = LSTM(24)(i1)
flat_layer = Flatten()(l1)
l2 = LSTM(42)(i2)
flat_layer2 = Flatten()(l2)
output1 = Dense(1, activation='sigmoid')(flat_layer)
output2 = Dense(1, activation='sigmoid')(flat_layer2)
model = tf.keras.Model(inputs=[i1,i2], outputs=[output1,output2])
model.compile('sgd', 'mse')
model.fit(x=[X_data,B_data], y=[ytrainxx,ytrainxx9])