Question

我在诊断Tensorflow的问题时遇到了真正的问题。我得到这个ValueError，它根本不是直观的。我尝试按照其他SO问题中的说明将浮点数转换为np.float32。我已经尝试过一揽子解决方案，但似乎无法克服。

我的数据在Pandas数据框中。我将TF-IDF数据框与其他一些复杂的功能结合在一起，以获得最终数据集。尺寸为(7176, 1006)。我正在使用Tensorflow，我的模型代码是：

model = Sequential()

model.add(Dense(500, activation='relu'))
model.add(Conv1D(500, 10, activation='relu', input_shape=input_shape)) # Convultional Layer
model.add(MaxPooling1D(pool_size=10, strides=80)) # MaxPooling
model.add(LSTM(250, dropout=0.2, recurrent_dropout=0.2)) # LSTM Layer
model.add(Dense(111, activation='softmax')) #output layer
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer='adam',
    metrics=['accuracy']
)

model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test))

我已经在AutoKeras模型中使用了这些数据，因此我可以合理地确定问题是我如何构建模型（该模型从未完成，花费了很长时间）。浏览了不可避免的输入尺寸错误后，我到达了这里，我想拉头发。任何帮助或建议，我们将不胜感激！

Answer 1

您需要将最终数据集转换为numpy数组。您可以使用以下方法：

import numpy as np
input_data = np.array(your_final_data_array).astype(np.float32)

现在应该可以正常工作了。

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: