Question

我正在尝试在keras中连接两个并行模型，每个模型具有不同的输入。相关代码如下。

# model 1
model1_in = Input(shape=(train_x_1.shape[1], train_x_1.shape[2]))
model1_out = LSTM(50, activation='relu',return_sequences=False, name='layer_1')(model1_in)
model1 = Model(model1_in, model1_out)

# model 2
model2_in = Input(shape=(1))
model2_out = Dense(8, activation='relu', name='layer_2')(model2_in)
model2 = Model(model2_in, model2_out)

concatenated = concatenate(inputs=[model1.output, model2.output])
out = Dense(1, activation='relu', name='output_layer')(concatenated)
model = Model([model1_in, model2_in], out)
model.compile(loss='mean_absolute_error', optimizer='adam')


# fit network
history = model.fit([train_x_1,train_x_2], train_y, epochs=100, batch_size=72, validation_data=([test_x_1,test_x_2], test_y), verbose=2, shuffle=False)

我得到的错误是

ValueError：无法将NumPy数组转换为张量（不受支持的对象类型float）。

并出现在model.fit行。

我在IDLE中跑步。训练和测试值都是数组，我检查了所有训练输入的长度是否相同：

#train_x_1.shape[0]
15465
#train_y.shape[0]
15465
#train_x_2.shape[0]
15465
#test_x_1.shape[0]
1719
#test_x_2.shape[0]
1719
#test_y.shape[0]
1719
#test_x_1
array([[[0.6243922 ],
        [0.5463666 ],
        [0.7083546 ], ... etc ...

任何帮助将不胜感激-预先感谢！

完整的错误跟踪如下：

回溯（最近一次通话最近）：文件“ filepath .py”，第220行，在历史= model.fit（[train_x_1，train_x_2]，train_y，epochs = 100，batch_size = 72，validation_data =（[[test_x_1，test_x_2]，test_y）， verbose = 2，shuffle = False）文件 “ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/training.py”， 728行，适合 use_multiprocessing = use_multiprocessing）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/training_v2.py”，第224行，适合 distribution_strategy = strategy）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/training_v2.py”，第547行，位于_process_training_inputs中 use_multiprocessing = use_multiprocessing）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/training_v2.py”，行606，在_process_inputs中 use_multiprocessing = use_multiprocessing）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/data_adapter.py”，第217行，在 init 中 x = _process_numpy_inputs（x）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/data_adapter.py”， _process_numpy_inputs中的第703行输入= nest.map_structure（_convert_non_tensor，输入）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/util/nest.py”， map_structure中的第535行结构[0]，[用于x的func（* x）条目]，文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/util/nest。 py”， 535行，在结构[0]，[用于x的func（* x）条目]，文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/ data_adapter.py”，第700行，_convert_non_tensor中返回ops.convert_to_tensor（x）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，第1184行，在convert_to_tensor中返回convert_to_tensor_v2（值，dtype，preferred_dtype，名称）文件 “ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，第1242行，在convert_to_tensor_v2中 as_ref = False）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/ops.py”，第1296行，位于internal_convert_to_tensor中 ret = conversion_func（值，dtype = dtype，名称=名称，as_ref = as_ref）文件 “ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/tensor_conversion_registry.py”， _default_conversion_function中的第52行返回constant_op.constant（value，dtype，name = name）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/constant_op.py”，第227行，常量 allow_broadcast = True）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/constant_op.py”， _constant_impl中的第235行 t = convert_to_eager_tensor（value，ctx，dtype）文件“ /Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/constant_op.py”，第96行，在convert_to_eager_tensor中返回ops.EagerTensor（value，ctx.device_name，dtype）ValueError：无法将NumPy数组转换为张量（不支持的对象类型浮动）。

Answer 1

为了社区的利益，在“答案”部分中指定解决方案（即使它在“评论”部分中也存在）。

x_2的值都为 float 类型，而 x_1 values 则为 float32 。

使用 x2 将 float32 修改为 x2.astype('float32') 已解决了该问题。

尝试串联keras模型：ValueError：无法将NumPy数组转换为张量（不受支持的对象类型float）

1 个答案: