#python #numpy #machine-learning #keras #generative-adversarial-network
#питон #тупица #машинное обучение #keras #генеративно-состязательная сеть
Вопрос:
Я очень новичок в python, Ошибка получается при попытке выполнить следующую строку p = generator.predict(ШУМ[n]) Это код для создания синусоидальных волн и создания модели для изучения и построения синусоидальных волн после эпох. Минимальный код приведен ниже, чтобы выделить размеры входных данных. Согласно моему пониманию, проблема заключается в выборе значения «n». Пожалуйста, помогите. Заранее спасибо.
SAMPLE_LEN = 64 # number N of points where a curve is sampled SAMPLE_SIZE = 32768 # number of curves in the training set X_MIN = -5.0 # least ordinate where to sample X_MAX = 5.0 # last ordinate where to sample X_COORDS = np.linspace(X_MIN , X_MAX, SAMPLE_LEN) SAMPLE = np.zeros((SAMPLE_SIZE, SAMPLE_LEN)) for i in range(0, SAMPLE_SIZE): b = uniform(0.5, 2.0) c = uniform(np.math.pi) SAMPLE[i] = np.array([np.sin(b*x c) for x in X_COORDS]) EPOCHS = 64 BATCH=1 NOISE = uniform(X_MIN, X_MAX, size = (SAMPLE_SIZE, SAMPLE_LEN)) ONES = np.ones((SAMPLE_SIZE)) ZEROS = np.zeros((SAMPLE_SIZE)) print("epoch | dis. loss | dis. acc | gen. loss | gen. acc") print("------ ----------- ---------- ----------- ----------") fig = plt.figure(figsize = (8, 12)) ax_index = 1 for e in range(EPOCHS): for k in range(SAMPLE_SIZE//BATCH): # n = randint(0, BATCH) n = randint(0 BATCH) p = generator.predict(NOISE[n]) x = np.concatenate((SAMPLE[n], p)) y = np.concatenate((ONES[n], ZEROS[n]))
Комментарии:
1. Ваш ввод имеет неправильные размеры. Пожалуйста, приведите несколько примеров кода. Иначе никто не сможет тебе помочь.