Python GridseachCV-ValueError:找到样本数不一致的输入变量：[33 1]

我试图在keras模型上使用gridsearchCV，但似乎遇到了一个错误，我不知道如何解释

Traceback (most recent call last):
  File "keras_cnn_phoneme_generator_fit.py", line 229, in <module>
    grid_results=grid.fit(train_input,train_output)
  File "/home/c/.local/lib/python2.7/site-packages/sklearn/model_selection/_search.py", line 940, in fit
    return self._fit(X, y, groups, ParameterGrid(self.param_grid))
  File "/home/c/.local/lib/python2.7/site-packages/sklearn/model_selection/_search.py", line 541, in _fit
    X, y, groups = indexable(X, y, groups)
  File "/home/c/.local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 206, in indexable
    check_consistent_length(*result)
  File "/home/c/.local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 181, in check_consistent_length
    " samples: %r" % [int(l) for l in lengths])
ValueError: Found input variables with inconsistent numbers of samples: [33, 1]

该模型有多个输入，总共33个。这些输入由一个数据生成器提供，该生成器会用numpy.arrays if shape（batch_size，1,40,8,3）吐出一个长度为33的列表。问题是它无法处理列表吗？或者为什么我会犯这个错误

对于批次尺寸=100

print len(train_input)
print train_input[0].shape
print train_output.shape

33
(100, 8, 45, 3)
(100, 1, 145)

各国：

通过Keras.wrappers.Scikit_Learn.py上的包装器，您可以使用连续的Keras模型（仅单输入），作为Scikit学习工作流的一部分

所以，这是不可能的

---

我想必须找到一个不同的解决方案

重新提供给gridsearch

fit（）

的

train\u input

，

train\u output

的形状是什么？

train\u input

是一个长度为33的列表，带有numpy。形状的数组（批次大小，1,8,45,3）

train\u output

是numpy.ndarray（1145）为什么要问这个列表？。。好的，我的模型有33个输入，我唯一能输入它们的方法是这样的。你能在这行前面打印

train\u input，train\u output

的实际形状吗

grid\u results=grid.fit（train\u input，train\u output）

？为什么

train\u output

长度（1，145）就是第一个维度是1（表示一行）而

列车输入

有33行？？大多数scikit（可能全部）估计器只支持形状为[n_样本，n_特征]的X（

train_input

）的二维阵列。@VivekKumar补充了这一信息。。在145个可能的标签中预测出1个标签。下面是在GridSearch CV中传递多个输入的解决方案：

print len(train_input)
print train_input[0].shape
print train_output.shape

33
(100, 8, 45, 3)
(100, 1, 145)