Question

当我运行以下代码时：

array([[0., 0., 1., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 1., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.]], dtype=float32)

一切正常，输出为：

arr

但是，如果我将tf.constant(arr)替换为tf.keras.utils.to_categorical(tf.constant(arr), 10)（或者我猜测但不确定任何张量），如以下代码所示：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-139-507d6ce7c0a3> in <module>()
----> 1 tf.keras.utils.to_categorical(tf.constant(arr), 10)

.../miniconda2/lib/python2.7/site-packages/tensorflow/python/keras/utils/np_utils.pyc in to_categorical(y, num_classes, dtype)
     38       last.
     39   """
---> 40   y = np.array(y, dtype='int')
     41   input_shape = y.shape
     42   if input_shape and input_shape[-1] == 1 and len(input_shape) > 1:

ValueError: setting an array element with a sequence.

我收到以下错误：

model.compile

配置：

Python：2.7
Tensorflow：1.13.1
Keras（在Tensorflow内部）：2.2.4-tf
操作系统：Ubuntu 16.04

如何摆脱/解决此问题？

一些上下文：

我的主要问题是，当我致电def loss(y_true, y_pred): # Cross entropy loss bin_true = y_true[:, 0] print bin_true.eval() dum = tf.keras.utils.to_categorical(bin_true, 66) cls_loss = tf.keras.losses.categorical_crossentropy(dum, y_pred, True) # MSE loss cont_true = y_true[:, 1] pred_cont = tf.keras.backend.sum(tf.nn.softmax(y_pred) * idx_tensor, 1) * 3 - 99 mse_loss = tf.keras.losses.mean_squared_error(cont_true, pred_cont) # Total loss return cls_loss + 0.5 * mse_loss时，遭受了以下损失：

dum = tf.keras.utils.to_categorical(bin_true, 66))

我在第{{1}}行出现了完全相同的错误

（我提供了一些背景信息，因为我的整个“做事方式”可能是错误的...）

Answer 1

您可以尝试使用tf.one_hot代替keras to_categorical

Answer 2

您对问题的天真的答案是使用get_value(x)

bin_true_array = tf.keras.backend.get_value(bin_true)
dum = tf.keras.utils.to_categorical(bin_true_array, 66)
....

这将以一个numpy数组的形式检索bin_true的值，然后将其输入到numpy实用程序utils.to_categorical中。这是您的示例（已调整）：

import numpy as np
import tensorflow as tf

arr = np.array([2., 4., 5., 9.])
tf.keras.utils.to_categorical(arr, 10)

tensor = tf.constant(arr)
tensor_as_array = tf.keras.backend.get_value(tensor)
tf.keras.utils.to_categorical(tensor_as_array, 10)

此方法的问题是退出后端，返回python和numpy（所有python好东西（例如GIL）附带），然后将其向下推送到后端。这可能会（也可能不会）在您的管道中造成瓶颈。在这种情况下，后端依赖的解决方案（如@Robin Beilvert建议的解决方案）可能会为您提供更好的服务。

“ ValueError：设置具有序列的数组元素。”在调用TensorFlow张量的tf.keras.utils.to_categorical时

2 个答案: