Question

我正在Jupyter Notebook（Python 3.6）中运行Keras神经网络模型

我收到以下错误

AttributeError：'list'对象没有属性'ndim'

从Keras.model

调用.fit（）方法后

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data[0]), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

我检查了Keras（在Anaconda3中）的requirements.txt文件，numpy，scipy和six模块版本都是最新的。

什么可以解释这个AttributeError？

完整的错误消息如下（似乎与Numpy有些相关）：

----------------------------------------------- ---------------------------- AttributeError Traceback（最近一次调用   最后）in（）         3 model.add（密集（1，激活='sigmoid'））         4 model.compile（loss ='mean_squared_error'，optimizer ='adam'，metrics = ['acc']）   ----＆GT; 5 model.fit（X_data，y_data，epochs = 20，batch_size = 10）
     适合的
〜\ Anaconda3 \ lib \ site-packages \ keras \ models.py（self，x，y，   batch_size，epochs，verbose，callbacks，validation_split，   validation_data，shuffle，class_weight，sample_weight，initial_epoch，   steps_per_epoch，validation_steps，** kwargs）       963 initial_epoch = initial_epoch，       964 steps_per_epoch = steps_per_epoch，    - ＆GT; 965 validation_steps = validation_steps）       966       967 def evaluate（self，x = None，y = None，

〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in fit（self，x，   y，batch_size，epochs，verbose，callbacks，validation_split，   validation_data，shuffle，class_weight，sample_weight，initial_epoch，   steps_per_epoch，validation_steps，** kwargs）1591
  class_weight = class_weight，1592 check_batch_axis = False，    - ＆GT; 1593 batch_size = batch_size）1594＃准备验证数据。 1595 do_validation = False

〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in   _standardize_user_data（self，x，y，sample_weight，class_weight，check_batch_axis，batch_size）1424
  self._feed_input_shapes，1425
  check_batch_axis =假    - ＆GT; 1426 exception_prefix ='input'）1427 y = _standardize_input_data（y，self._feed_output_names，
  1428 output_shapes，

〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in   _standardize_input_data（数据，名称，形状，check_batch_axis，exception_prefix）        68 elif isinstance（数据，列表）：        69 data = [x.values if x。 class 。 name =='DataFrame'else x for x in data]   ---＆GT; 70 data = [np.expand_dims（x，1）如果x不是None而x.ndim == 1则x为数据中的x]        71其他：        72 data = data.values if data。 class 。 name =='DataFrame'else data

〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in   （0.0）        68 elif isinstance（数据，列表）：        69 data = [x.values if x。 class 。 name =='DataFrame'else x for x in data]   ---＆GT; 70 data = [np.expand_dims（x，1）如果x不是None而x.ndim == 1则x为数据中的x]        71其他：        72 data = data.values if data。 class 。 name =='DataFrame'else data

AttributeError：'list'对象没有属性'ndim'

Answer 1

model.fit期望 x 和 y 为numpy数组。好像你传递了一个列表，它试图通过读取numpy数组的ndim属性来获得输入的形状并且失败了。

您可以使用np.array简单地对其进行转换：

import numpy as np
...
model.fit(np.array(train_X),np.array(train_Y), epochs=20, batch_size=10)

Answer 2

导入时，应使用tensorflow.keras而不是像这样的keras：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Conv2D, MaxPool2D, Dense

因为存在与keras模块相关的错误。

参考：here。

Answer 3

我不知道您的训练数据的形状，但我怀疑您input_dim上有错误。尝试将其更改为input_dim=len(X_data)，如下所示：

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

Keras AttributeError：'list'对象没有属性'ndim'

3 个答案: