Python 基于不同数据维的评价模型

我有形状

（37520，32，9）

的数据，有五类形状

（37520，5）

，我正在使用Conv1D训练模型，到目前为止我能够训练数据。但问题是，我需要在不同的维度上对其求值-

（37520,32,4）

（类是相同的），我得到以下错误：

Traceback (most recent call last):
  File "data_maker_cnn_multiuser_folds_correct.py", line 870, in <module>
    f = run_cnn(a)
  File "data_maker_cnn_multiuser_folds_correct.py", line 155, in run_cnn
    _, accuracy = model.evaluate(x_test, y_test, batch_size=batch_size, verbose=verbose)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py", line 930, in evaluate
    use_multiprocessing=use_multiprocessing)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2.py", line 490, in evaluate
    use_multiprocessing=use_multiprocessing, **kwargs)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2.py", line 426, in _model_iteration
    use_multiprocessing=use_multiprocessing)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_v2.py", line 646, in _process_inputs
    x, y, sample_weight=sample_weights)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py", line 2383, in _standardize_user_data
    batch_size=batch_size)
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training.py", line 2410, in _standardize_tensors
    exception_prefix='input')
  File "/Users/akshayrajgollahalli/miniconda3/lib/python3.7/site-packages/tensorflow_core/python/keras/engine/training_utils.py", line 582, in standardize_input_data
    str(data_shape))
ValueError: Error when checking input: expected conv1d_input to have shape (32, 9) but got array with shape (32, 4)

---

甚至有可能做到这一点吗？我也尝试过使用预测，但仍然有一个错误。

模型需要有以下参数才能固定，以便对其进行训练、评估和预测

• 模型中所有图层的名称和类型
• 输出每个层的形状
• 每层的权重参数数
• 每层接收的输入
• 模型的可训练和不可训练参数的总数

因此，对于已在另一个输入形状上训练过的模型，您将无法评估或预测不同输入形状

你可以像上面提到的@HitLuca那样进行人工修复，但是效果可能不好

另一个选项是将模型的原始输入大小

（32,9）

截断为

（32,4）

，然后重新训练。然而，信息将会丢失。培训后，您的评估和预测将使用

（32,4）

数据。但同样，如果您试图使用原始输入大小进行评估或预测，则它将不起作用

---

希望这能回答你的问题。愉快的学习。

我认为这是不可能的。你可以用零来填充它，但你可能不会有好的表现。我尝试过，但效果很差。请提供完整的可复制代码。@Akshay-希望我们已经回答了您的问题。如果你对答案感到满意，请接受并投票。