ValueError: 层序贯_17 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：[无，121]

Posted 2023-02-16

【中文标题】ValueError: 层序贯_17 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：[无，121]

【英文标题】：ValueError: Input 0 of layer sequential_17 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: [None, 121]

【发布时间】：2021-05-10 15:50:20

【问题描述】：

我正在尝试使用 NSL-KDD 数据集构建循环神经网络。当我运行下面的代码时，我不断收到 ValueError：层序贯_17 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：[无，121]。我不知道为什么，我可能与输入形状有关？我不确定，因为我还是 python 新手。如果有帮助，我也已完成所有数据预处理。

from keras.utils import np_utils
from keras.models import Sequential
from keras.preprocessing import sequence
from keras.layers import Dense, Dropout, Activation, Embedding
from keras.layers import LSTM, SimpleRNN, GRU
from keras.utils import np_utils
from keras import callbacks
from keras.callbacks import ModelCheckpoint, EarlyStopping, ReduceLROnPlateau, CSVLogger
import tensorflow.keras as keras

print (X_train.shape),(y_train2.shape)
(125973, 121)
(None, (125973,))

batch_size = 99
epcochs = 100
model = Sequential()
model.add(LSTM(10,batch_input_shape =(None, 99, 1), return_sequences=True ))
model.add(Dropout(0.01))
model.add(LSTM(10,return_sequences=True))
model.add(Dropout(0.01))
model.add(LSTM(10,return_sequences=False))
model.add(Dropout(0.01))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy', optimizer=keras.optimizers.Adam() , metrics=['accuarcy'])
fit=model.fit(X_train, y_train2, batch_size=batch_size, epochs=100, validation_data=(X_test, y_test2))
loss, accuracy = model.evaluate(X_test, y_test1)
print("\nLoss: %.2f, Accuracy: %.2f%%" % (loss, accuracy*100))
y_pred = model>predict_classes(X_test)

【问题讨论】：

batch_input_shape =(None, 99, 1) 但您的第一个输入是无。此外，如果不知道 x_train 和 y_train 的形状，也很难说出来。

在上面加了，不知道为什么y_train2有点没有值

你对 y_train 做了哪些操作？

我为 y_train2 y_test2 = test_target2.astype('category').cat.codes做了这个

【参考方案1】：

试试这个

numpy.expand_dims(X_train, axis=0)