小编jgm*_*GIS的帖子

在下面的代码中，我导入了一个用 python 创建的保存的稀疏 numpy 矩阵，对其进行增密，向多对一的 SimpleRNN 添加掩蔽、batchnorm 和密集输出层。keras 顺序模型工作正常，但是，我无法使用 shap。这是在 Windows 10 桌面上的 Winpython 3830 的 Jupyter 实验室中运行的。X 矩阵的形状为 (4754, 500, 64)：4754 个示例，具有 500 个时间步长和 64 个变量。我创建了一个函数来模拟数据，以便可以测试代码。模拟数据返回相同的错误。

from sklearn.model_selection import train_test_split
import tensorflow as tf
from tensorflow.keras.models import Sequential
import tensorflow.keras.backend as Kb
from tensorflow.keras import layers
from tensorflow.keras.layers import BatchNormalization
from tensorflow import keras as K
import numpy as np
import shap
import random

def create_x():
    dims = [10,500,64]
    data = []
    y = []
    for i in range(dims[0]): …