Tensorflow-ValueError: 未能将 NumPy 数组转换为 Tensor (不支持对象类型 float)

小开

最佳答案

几个可能的错误，大部分与 x = np.asarray(x).astype('float32')固定。

其他的可能是错误的数据预处理; 确保一切都是 格式正确(分类，奶，字符串等):

[print(i.shape, i.dtype) for i in model.inputs] [print(o.shape, o.dtype) for o in model.outputs] [print(l.name, l.input_shape, l.dtype) for l in model.layers]

问题的根源在于使用清单作为输入，而不是 Numpy 数组，Keras/TF 不支持前者。一个简单的转换是: x_array = np.asarray(x_list)。

下一步是确保以预期的格式提供数据; 对于 LSTM，这将是一个维度为 (batch_size, timesteps, features)的3D 张量——或者等效于 (num_samples, timesteps, channels)。最后，作为一个调试专业技巧，打印所有的形状为您的数据。完成上述所有工作的代码如下:

Sequences = np.asarray(Sequences) Targets = np.asarray(Targets) show_shapes() Sequences = np.expand_dims(Sequences, -1) Targets = np.expand_dims(Targets, -1) show_shapes()

# OUTPUTS Expected: (num_samples, timesteps, channels) Sequences: (200, 1000) Targets: (200,) Expected: (num_samples, timesteps, channels) Sequences: (200, 1000, 1) Targets: (200, 1)

作为一个额外的提示，我注意到您是通过 main()运行的，因此您的 IDE 可能缺少类似于 Jupiter 的基于单元格的执行; 我强烈推荐使用 Spyder IDE。这很简单，只需添加 # In[]，然后按下面的 Ctrl + Enter:

使用的函数 :

def show_shapes(): # can make yours to take inputs; this'll use local variable values print("Expected: (num_samples, timesteps, channels)") print("Sequences: {}".format(Sequences.shape)) print("Targets: {}".format(Targets.shape))

小开

也可能由于版本的差异而发生(我不得不从 tensorflow 2.1.0回到2.0.0。Beta1来解决这个问题)。

小开

在尝试了以上所有方法都没有成功之后，我发现我的问题在于数据中的一列具有 boolean值。把所有东西转换成 np.float32解决了这个问题！

import numpy as np X = np.asarray(X).astype(np.float32)

小开

我有许多不同的输入和目标变量，不知道是哪一个导致了问题。

为了找出哪个变量中断了，你可以使用堆栈路径中指定的路径在库包中添加一个打印值:

File "C:\Users\bencu\AppData\Local\Programs\Python\Python37\lib\site-packages\tensorflow_core\python\framework\constant_op.py", line 96, in convert_to_eager_tensor return ops.EagerTensor(value, ctx.device_name,

在这部分代码中添加一个 print语句可以让我看到是哪个输入导致了这个问题:

返回文章页面

.... dtype = dtype.as_datatype_enum except AttributeError: dtype = dtypes.as_dtype(dtype).as_datatype_enum ctx.ensure_initialized() print(value) # <--------------------- PUT PRINT HERE return ops.EagerTensor(value, ctx.device_name, dtype)

在观察到从 int到 astype(np.float32)的转换中哪个值有问题之后，问题得到了解决。

小开

您最好使用这个，因为 Keras 的版本不兼容

from keras import backend as K X_train1 = K.cast_to_floatx(X_train) y_train1 = K.cast_to_floatx(y_train)

小开

这是一个高度误导性的错误，因为这基本上是一个一般性错误，可能与浮点数没有任何关系。

例如，在我的例子中，它是由熊猫数据框的一个字符串列引起的，其中包含一些 np.NaN值。想想吧！

修正了用空字符串替换它们的问题:

df.fillna(value='', inplace=True)

或者更具体地说，仅对字符串(例如“ object”)列执行此操作:

cols = df.select_dtypes(include=['object']) for col in cols.columns.values: df[col] = df[col].fillna('')

小开

您可能希望检查输入数据集或数组中的数据类型，然后将其转换为 float32:

train_X[:2, :].view() #array([[4.6, 3.1, 1.5, 0.2], # [5.9, 3.0, 5.1, 1.8]], dtype=object) train_X = train_X.astype(np.float32) #array([[4.6, 3.1, 1.5, 0.2], # [5.9, 3. , 5.1, 1.8]], dtype=float32)

小开

这应该会奏效:

x_train = np.asarray(x_train).astype(np.float32) y_train = np.asarray(y_train).astype(np.float32)

小开

如果使用 DataFrame 并且具有多个列类型，请使用此选项:

numeric_list = df.select_dtypes(include=[np.number]).columns df[numeric_list] = df[numeric_list].astype(np.float32)

小开

尝试将 np.float32转换为 tf.float32(读取 keras 和 tensorflow 的数据类型) :

Convert _ to _ tensor (X _ train，dtype = tf.float32)

小开

在我的情况下，它没有工作，投到 np.float32。

对于我来说，在训练期间一切运行正常(可能是因为我使用 tf.data.Dataset.from_generator作为 fit()的输入) ，但是当我试图在1个实例上调用 predict()(使用 np.array)时，出现了错误。

作为一个解决方案，我必须在调用預之前重新设置数组 x_array.reshape(1, -1)的形状，而且它起作用了。

小开

我通过在数据导入期间强制执行浮点格式来避免这个问题:

Df = pd.read _ csv (‘ titanic.csv’，dtype = ‘ float’)

小开

只是遇到了同样的问题，结果是因为我试图传递一个数组对象数组，而不是像预期的那样传递一个数组数组。希望这对将来的人有所帮助！

小开

试试看

X_train =t ensorflow.convert_to_tensor(X_train, dtype=tensorflow.float32) y_train = tensorflow.convert_to_tensor(y_train, dtype=tensorflow.float32) X_test = tensorflow.convert_to_tensor(X_test, dtype=tensorflow.float32) y_test = tensorflow.convert_to_tensor(y_test, dtype=tensorflow.float32)

小开

正如上面大多数人所回答的，用 np.float32 / float32中的各种方法转换数据已经在这里讲过了。

当这样做时，如果你得到另一个错误是“ ValueError: setting an array element with a sequence”。

在这种情况下，尝试将数据转换为 type list，然后像前面那样将其转换为类型张量。