Input 0 of layer “lstm_1“ is incompatible with the layer: expected ndim=3, found ndim=2. Full shape=

While using TensorFlow framework.

When I fit the LSTM model based on TensorFlow, I got an error report
Input 0 of layer "lstm_37" is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (16, 7)

Model.fit(X_train, Y_train, batch_size = BATCH_SIZE, epochs = EPOCHS, shuffle = True, verbose = 1, validation_split = VALIDATION_SPLIT)


Because the shape of the input array is incompatible with the layer, which expected a 3D array, but we only have 2D.

These are original words,

X_train = df_1.values


4.1 Solution 1

.reshape()

X_train = X_train.reshape(dimi_x,dim_y,dim_z)


.reshape could set the shape of the array directly and manually.

4.2 Solution 2

np.expand_dims()
numpy is for doing the math

import numpy as np

X_train = np.expand_dims(X_train, axis=0)


This is a simple way to solve this problem.

4.3 Solution 3

Lambda(lambda _:K.expand_dims(_,axis=-1))()

import keras.backend as K
from keras.layers import Lambda

X_train = Lambda(lambda d_1:K.expand_dims(X_train,axis=-1))(X_train)


Warning: This method may create new error like below,
ValueError: Input 0 of layer "lstm_43" is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: (None, 63360, 7, 1)
Because the shape of input array has 4 dimensions which is more than expected dimension number, now you could just try to delete
input_shape = X_train.shape

4.4 Solution 4

X_train = X_train[:, None]


Original: https://blog.csdn.net/qq_46261795/article/details/124230451
Author: Benny_WEI
Title: Input 0 of layer “lstm_1“ is incompatible with the layer: expected ndim=3, found ndim=2. Full shape=

(0)

大家都在看

• 天池Python练习07-字符串

1 字符串 1.1 字符串的定义 1.2 字符串的切片与拼接 1.3 字符串的常用内置方法 1.4 字符串格式化 1.1 字符串的定义 1.python中字符串被定义为引号之间的字…

人工智能 2023年6月28日
0132
• 2022年SPSSPRO认证杯数学建模B题第二阶段方案及赛后总结：唐宋诗的定量分析与比较研究

第十五届”SPSSPRO杯”数学中国数学建模网络挑战赛（第二阶段）『特等奖』，@队友：东可在编程、好同志歪歪 今年B题是一个自然语言处理（NLP）的问题，在…

人工智能 2023年5月31日
0138
• 用opencv的dnn模块做yolov5目标检测

深度学习推理部署，真好玩😄😄😄 最近在微信公众号里看到多篇讲解yolov5在openvino部署做目标检测文章，但是没看到过用opencv的dnn模块做yolov5目标检测的。于是…

人工智能 2023年6月16日
0123
• Yolov5学习过程（1）——基于pytorch配置深度学习环境，应该说比较详细啦

1.Yolov5代码下载 下载网址：http://github.com/ultralytics/yolov5注意代码版本，代码环境 ; 2.下载、安装、配置Anaconda 官网下…

人工智能 2023年7月22日
099
• R语言大作业（四）：上海市、东京 1997-2018 年GDP值分析

抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。 Original: https://blo…

人工智能 2023年7月26日
0145
• 人工智能、机器学习、深度学习和神经网络的关系

人工智能、机器学习、深度学习和神经网络的关系 人工智能（Artificial Intelligence） 人工智能（Artificial Intelligence），英文缩写为AI…

人工智能 2023年6月25日
0147
• Pandas笔记

传送门 简介 Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（P…

人工智能 2023年7月8日
0141
• 买定离手！AI预测英雄联盟S12冠军；微软使用AI提高农业生产效率；编程语言的自动生成；机器学习核方法入门·电子书；前沿论文 | ShowMeAI资讯日报

👀日报合辑 | 📆电子月刊 | 🔔公众号下载资料 | 🍩@韩信子 📢 RNG 还是 EDG？人工智能预测英雄联盟S12冠军 https://weibo.com/tv/show/10…

人工智能 2023年6月15日
0145
• 协同过滤算法中有哪些常见的策略和方法

关于协同过滤算法的常见策略和方法 协同过滤是一种常见的推荐系统算法，它基于用户的历史行为或偏好，利用用户之间的相似性来为用户推荐个性化的物品。协同过滤算法主要包含两个常见的策略：基…

人工智能 2024年1月2日
0117
• 【多元统计分析】聚类分析——spss上机实验

聚类分析 例题来自于中国人民大学《多元统计分析》第五版 何晓群著 例题3.5 数据获取扫码关注微信公众号 回复：例3.5 如果你觉得很有用，可以点点关注哦~你的关注是美滋滋继续努力…

人工智能 2023年7月27日
0116

原文链接 1 原理 对于生成对抗网络GAN，一个简单的理解是可以将其看做博弈的过程，我们可以将生成模型和判别模型看作博弈的双方，比如在犯罪分子造假币和警察识别假币的过程中： 生成模…

人工智能 2023年7月9日
0170
• MaxPool2d详解–在数组和图像中的应用

MaxPool2d详解–在数组和图像中的应用 * – 1、环境要求 – 2、原理讲解 – 3、函数要求 – 4、例子 &…

人工智能 2023年7月20日
0128
• 【2023届秋招面试篇】经纬恒润自动驾驶感知算法岗位一面

下午2：00 – 3：00面的经纬恒润的感知算法岗 总体情况：项目相关的所有问题全部回答出来了，语言类python和pytorch的问题没回答出来 面试官挺好，双方会有…

人工智能 2023年6月16日
0119
• 计算机网络 ：网络层

网络层的目的是实现两个端系统之间的数据透明传送，具体功能包括寻址和路由选择、连接的建立、保持和终止等。它提供的服务使传输层不需要了解网络中的数据传输和交换技术。 网络层提供两种服务…

人工智能 2023年5月30日
0148
• 物理实验引发的思考：总体标准偏差和样本标准偏差的区别是什么？标准偏差和标准误的区别是什么？

一、总体标准偏差和样本标准偏差 假设我们测量了变量x x x，测得的结果是x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x 1 ​,x 2 ​,⋯,…

人工智能 2023年7月16日
0175
• 在Recognition算法中，常见的特征提取方法有哪些

特征提取方法在Recognition算法中的作用 在Recognition算法中，特征提取方法起着十分重要的作用。它们能够将原始数据转化为特征向量，这样就可以用来表示不同的目标或者…

人工智能 2024年1月3日
0149