Мне нужно тренировать мою модель с input_shape = (nsamples, 90,56) - у меня есть матрица для моего события (не изображение, но то же самое понимают). Матрица соответствует 1 категории.
Мне нужно предсказать категорию без всех данных матрицы. Ex. У меня есть матрица с размером 35x56 (input_shape = (35,56). Количество функций одинаково, но количество строк не является полным. Мне нужно обучить свою работу в сети, чтобы идентифицировать категорию без всех данных (строк) моей матрицы.
Мои входные данные имеют эту форму (9, 90, 56) Моя массив имеет эту форму (9,) Когда я преобразую в класс (3 класса), я получаю форму (9,3)
У меня есть этот код:
one_hot_labels = keras.utils.to_categorical(arrY, num_classes=3)
model = Sequential()
model.add(Dense(200, input_shape=(None,56)))
model.add(Dense(3, activation='softmax'))
print(model.summary())
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.Adadelta(),
metrics=['accuracy'])
model.fit(arrDados, one_hot_labels, epochs=100,verbose=1)
Я получаю эту ошибку: ValueError: Ошибка при проверке цели: ожидается, что плотность_2 имеет 3 измерения, но получил массив с формой (9, 3)
Но каждые 3 класса относятся к матрице 90x56 по y. Результат для каждой матрицы 90x56 - это матрица 1x3.
Как я могу написать свой код для модели поезда с матрицей 1x3 на каждый вход 90x56?