问题描述
我正在尝试调整神经元模型，但是由于输入是多个且形状不同，因此似乎无法将其堆叠在一起。
我制作模型时有两种输入。
其中之一是：
roll = df["T_a"].rolling(24,center = True) #24h window
mean,std = roll.mean(),roll.std()
cut = std*3
low,up = mean - cut,mean+cut
tr.loc[(df["T_a"] < low) | (df["T_a"] > up) | (df["T_a"].isna()),"outliers"] = df["T_a"]
tr.loc[(df["T_a"] >= low) & (df["T_a"] <= up),"T_a"] = df["T_a"]
tr.loc[tr["T_a"].isna(),"T_a"] = tr["T_a"].bfill() #to input a value when a datum is NaN
它们的形状都是（7678，）
另一个输入是：
cats = [train.time_signature,train.key,train.mode_cat,train.loudness_cat,train.tempo_cat,train.duration_cat]
它的形状是（7678,30），它是一个矩阵
在拟合Keras模型时，可以将它们作为训练集串联在一起是可以的：
num_train
但是，当我使用GridSearch时，它不允许我输入与模型中相同的输入。
final_model.fit([cats,num_train],train.genre_cat,batch_size=50,epochs=1000,verbose=1,validation_split=.1)
它显示错误：grid_result = grid.fit([cats,train.genre_cat)
，这表示不允许ValueError: Found input variables with inconsistent numbers of samples: [2,7678]，因为我在索引1上获得了其他30个样本。
有什么我可以解决的问题吗？谢谢。
参考：
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）