Python 从csv文件导入权重：层权重形状（672,7）与提供的权重形状（1,1672,7）不兼容

我正在用Keras编写深度学习网络，之前在Matlab中测试过。为了避免进行所有的学习，我在Matlab中将最后一层的权重和偏差导出为.csv文件，并希望在我的网络中使用它们-因此我的网络将根据给定的权重测试分数，而不是整个学习

代码：

我试着用

model.set_weights([network_outputs])

但它似乎只给我的第一层网络分配了一个权重，所以我只给最后一层分配了权重。结果是出现以下错误：

ValueError:层权重形状（672,7）与提供的权重形状（1,1672,7）不兼容

这让我很困惑。通过权重=[网络权重，网络偏差]我如何得到4个维度？这是因为网络_权重有维度[1672]，网络_偏差=[1,7]，这使得[1,1672,7]

以及如何正确调整此权重参数的大小？

np.array（[[trained_weights]]）

使用两个空维度包围的数据创建一个数组，因此最终形状为（1，1，x，y）。你的偏见也是如此。应用

[network\u weights，network\u bias]

会再次使用一个维度将两个阵列包围起来，这显然是不匹配的

我认为你只需要使用以下方法清理所有不必要的环境：

weights=[trained_weights, trained_bias]

---

不客气。如果有帮助的话，你可以接受我的回答。

weights=[trained_weights, trained_bias]