小编And*_*ger的帖子

我正在尝试使用alembic来处理我项目的本地迁移.它第一次工作,但后来我需要删除文件夹并重新启动.(不要问为什么,我只是必须)我正在按照本教程运行命令

python manage.py db init

没关系.但是当我试着奔跑的时候

python manage.py db migrate

我收到这个错误:

alembic.util.CommandError: Can't locate revision identified by '31b8ab83c7d'

现在,似乎alembic正在寻找不再存在的修订版.无论如何,让alembic忘记那个文件？或者重新启动比较从无到 - >再次自动生成？

我有以下特征向量,每个样本包含一个特征,总共有32个样本:

X = [[0.1],[0.12],[0.3] ...... [0.10]]

以及由二进制值组成的标签向量

Y = [0,1,0,0,...... 1](也有32个样本)

我正在尝试使用Keras LSTM根据新条目预测序列的下一个值.我无法弄清楚的是"batch_input_shape"元组的含义:

 model.add(LSTM(neurons, batch_input_shape=(?, ?, ?), return_sequences=False, stateful=True))

根据这篇文章,第一个是批量大小,但另外两个呢？它们是每个样品的特征数量和样品数量吗？在这种情况下,batch_size的值应该是多少？

目前收到错误消息:

ValueError: Error when checking input: expected lstm_1_input to have 3 dimensions, but got array with shape (32, 1)

编辑:这是模型声明:

def create_lstm(batch_size, n_samples, neurons, dropout):
model = Sequential()
model.add(LSTM(neurons, batch_size=batch_size, input_shape=(n_samples, 1), return_sequences=False, stateful=True))
model.add(Dropout(dropout))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
return model