[英]How to load .npy File in a tensorflow pipeline with tf.data
我正在嘗試在tf.data
管道中使用np.load()
從.npy 文件中讀取我的 X 和 y 數據。 但是如果我調用model.fit()
會出現以下錯誤。 有人解決這個問題嗎? 我想我必須將 X_data 和 y_data 的形狀賦予tf.py_funciton
。 我正在使用 Tensorflow 2.4
Input 0 of layer sequential_13 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, None)
train_filenames,train_label_filenames
是每個.npy 文件的文件路徑列表。
所以print(train_filenames[0])
顯示'E:\UserData\Mustermann\02_Data\X_Data\Sample0.npy'
和np.load(train_filenames[0]).shape
是(12, 8002)
np.load(label_filenames[0]).reshape(-1,1).shape
是(1, 1)
所以一個樣本有 12 個時間步長和 8002 個特征。
def load_files_py(train_filenames, train_label_filenames):
X_data = np.load(train_filenames)
label = np.load(train_label_filenames).reshape(-1,1)
return X_data, label, X_data.shape, label.shape
def parse_function(train_filenames, train_label_filenames):
temp = tf.py_function(load_files_py, inp=[train_filenames, train_label_filenames], Tout=[tf.float32, tf.float32, tf.int32, tf.int32])
X_data = tf.reshape(temp[0], [temp[2]])
label = tf.reshape(temp[1], [temp[3]])
return X_data, label
batch_size = 64
train_dataset = tf.data.Dataset.from_tensor_slices((train_filenames,train_label_filenames))
train_dataset = train_dataset.shuffle(len(train_filenames))
train_dataset = train_dataset.map(parse_function, num_parallel_calls=2)
train_dataset = train_dataset.batch(batch_size)
train_dataset = train_dataset.prefetch(1)
test_dataset = tf.data.Dataset.from_tensor_slices((test_filenames,test_label_filenames))
test_dataset = test_dataset.shuffle(len(test_filenames))
test_dataset = test_dataset.map(parse_function, num_parallel_calls=2)
test_dataset = test_dataset.batch(batch_size)
test_dataset = test_dataset.prefetch(1)
model = tf.keras.models.Sequential([
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(16, input_shape = (12, 8002), return_sequences=True)),
tf.keras.layers.LSTM(16),
tf.keras.layers.Dense(16, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(8, activation='relu'),
tf.keras.layers.Dense(4, activation='relu'),
tf.keras.layers.Dense(1, activation = 'linear')
])
model.compile(optimizer='adam', loss='mse')
EPOCHS =300
early = tf.keras.callbacks.EarlyStopping('val_loss', patience=20)
history = model.fit(train_dataset,
epochs=EPOCHS,
validation_data = test_dataset)
據我所知,加載 .npy 文件沒有問題,因為錯誤表明 model 存在問題。
在您的第一層中,您使用的是參數return_sequences=True
這實際上是問題所在。 此參數返回一個3-D Array
,它與下一層不兼容。 我將通過刪除該參數來嘗試一下。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.