预计lstm_1具有形状（20，256），但具有形状为（1，76）的数组]]

Question

我正在建立一个用于说话人识别的神经网络，我在尺寸方面遇到了问题，我在批处理生成器中一定做错了什么，但是我不知道该怎么办。我的步骤如下。首先，我准备标签：

labels = []
with open('filtered_files.csv', 'r') as csvfile:
    reader = csv.reader(csvfile)
    for file in reader:
        label = file[0]
        if label not in labels:
            labels.append(label)
print(labels)
然后我声明batch_generator：

n_features = 20
max_length = 1000
n_classes = len(labels)

def batch_generator(data, batch_size=16):
    while 1:
        random.shuffle(data)
        X, y = [], []
        for i in range(batch_size):
            print(i)
            wav = data[i]
            waves, sr = librosa.load(wav, mono=True)
            print(waves)
            filename = wav.split('\\')[1]
            filename = filename.split('.')[0] + ".mp3"
            filename = filename.split('_', 1)[1]
            print(filename)
            with open('filtered_files.csv', 'r') as csvfile:
                reader = csv.reader(csvfile)
                for file in reader:
                    if filename == file[1]:
                        print(file[0])
                        label = file[0]
                        break
                    else:
                        continue

            y.append(one_hot_encode(["'" + label + "'"]))
            mfcc = librosa.feature.mfcc(waves, sr)
            mfcc = np.pad(mfcc, ((0,0), (0, max_length - len(mfcc[0]))), mode='constant', constant_values=0)
            X.append(np.array(mfcc))
        yield np.array(X), np.array(y)
最后，我有了神经网络声明，然后开始训练过程：

learning_rate = 0.001
        batch_size = 64
        n_epochs = 50
        dropout = 0.5

        input_shape = (n_features, max_length)
        steps_per_epoch = 50
        model = Sequential()
        model.add(LSTM(256, return_sequences=True, input_shape=input_shape,
                       dropout=dropout))
        # model.add(Flatten())
        # model.add(Dense(128, activation='relu'))
        # model.add(Dropout(dropout))
        # model.add(Dense(n_classes, activation='softmax'))

        opt = Adam(lr=learning_rate)
        model.compile(loss='categorical_crossentropy', optimizer=opt,
        metrics=['accuracy'])
        model.summary()

        history = model.fit_generator(
            generator=batch_generator(X_train, batch_size),
            steps_per_epoch=steps_per_epoch,
            epochs=n_epochs,
            verbose=1,
            validation_data=batch_generator(X_val, 32),
            validation_steps=5,
            callbacks=callbacks
        )
我投入了很多代码，因为我不确定哪个部分可能实际上导致了错误的尺寸。第一层的格式存在以下问题：,,检查目标时出错：预期lstm_1具有形状（20，256），但数组形状为（1，76

）“

如果取消注释第二层，则会收到：,,检查目标时出错：期望flatten_1具有2维，但数组的形状为（64，1，76

）“

我正在建立一个用于说话人识别的神经网络，我在尺寸方面遇到了问题，我在批处理生成器中一定做错了什么，但是我不知道该怎么办。我的步骤如下。 ...

Answer 1

模型inputShape与数据集形状之间存在形状不匹配。如错误所示，数据集的形状为（1，76），而模型期望的形状为（20，256）（input_shape = (n_features, max_length)）。