Исследование было выполнено до того, как задать этот вопрос: Ошибка при проверке цели: ожидалось, что плотность_2 имеет форму (нет, 256), но получен массив с формой (16210, 4096)
ValueError: Ошибка при проверке цели: ожидается, что плотность_2 имеет 3 измерения, но получен массив с формой (10000, 1)
Ошибка при проверке цели: ожидается, что плотность_3 будет иметь форму (2,)но получил массив с формой (1,)
Я искал решение этой проблемы уже несколько дней.Пожалуйста, помогите мне разобраться в этом.
vocab_size = 5000
dim = 32
input_length_var = 500
model = Sequential()
model.add(Embedding(vocab_size, dim, input_length=input_length_var))
model.add(LSTM(100))
model.add(Dense(1, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam', metrics=['accuracy'])
print(model.summary())
Приведенный выше код является моей моделью.Теперь я распечатаю сводку вышеупомянутой модели:
Layer (type) Output Shape Param #
=================================================================
embedding_1 (Embedding) (None, 500, 1) 500
_________________________________________________________________
lstm_1 (LSTM) (None, 100) 40800
_________________________________________________________________
dense_1 (Dense) (None, 1) 101
_________________________________________________________________
dense_2 (Dense) (None, 1) 2
=================================================================
Total params: 41,403
Trainable params: 41,403
Non-trainable params: 0
И, наконец, я покажу вам результат np.shape ():
(1117228, 500)
(1117228, 500)
Я попробовал все из Reshape () добавить input_shape к плотным слоям, но результат всегда одинаков.Что я делаю не так и как это исправить?Моя задача - анализ настроений.
РЕДАКТИРОВАТЬ: мне сказали, что размеры выходных данных должны быть (1117228,1), и мне нужны оценки настроения в train_test_split для меток.Первая половина моего csv - это негативные настроения, а другая половина - позитивные.Как бы я использовал это?