Y = np.expand_dims(Y, axis=-1) 是写在结构定义里还是应用里

`Y = np.expand_dims(Y, axis=-1)` 这行代码应该是写在应用代码中，而不是模型结构定义中。

在模型结构定义中，你只需要定义好模型的输入和输出形状，以及模型的中间层和输出层。在应用代码中，你需要将输入数据处理成模型需要的格式，同时处理模型的输出数据，以便进行后续的训练和预测。

在应用代码中，你可以在读取数据后使用 `np.expand_dims` 函数对标签数据进行扩展，例如：

X1, X2, Y = _slice_multi()
Y = np.expand_dims(Y, axis=-1)

这样，Y 的形状就变成了 (155, 5, 1)，可以用于训练和预测模型了。

相关问题

这两句话有什么区别spectrogramX = np.expand_dims(spectrogramX, axis=-1) spectrogramX = np.expand_dims(spectrogramX, axis=0)

这两句话的区别在于 np.expand_dims 函数的参数不同。第一句话是将 spectrogramX 在最后一个维度上扩展一个维度，变成了一个三维数组；而第二句话是在最前面插入一个维度，变成了一个四维数组。

arr = np.expand_dims(arr, axis=-1)

这行代码使用了NumPy库的expand_dims函数，将数组arr在最后一个维度（axis=-1）上增加了一个维度。例如，如果arr原本的shape为(3, 4)，那么执行这行代码后，arr的shape会变为(3, 4, 1)。这个操作通常用于将一维数组转换成二维数组，或者将二维数组转换成三维数组等等。这个操作在机器学习中也经常用到，例如在图像处理中，将二维图像转换成三维张量。