尝试连接 keras 模型：ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型浮点数）

Posted 2023-03-13

【中文标题】尝试连接 keras 模型：ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型浮点数）

【英文标题】：Trying to concatenate keras models: ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float)

【发布时间】：2020-05-10 19:24:45

【问题描述】：

我试图在 keras 中连接两个并行模型，每个模型都有不同的输入。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（不支持的对象类型浮点数）。

并出现在 model.fit 行。

我在 IDLE 中运行。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 - 在此先感谢！

完整的错误跟踪如下：

Traceback（最近一次调用最后一次）：文件“filepath.py”，第 220 行， 在 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), 详细=2，随机播放=假）文件 “/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/training.py”， 第 728 行，合适 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，在_process_training_inputs 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 606 行，在 _process_inputs 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”， 第 703 行，在 _process_numpy_inputs 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”， 第 535 行，在 map_structure 结构[0]，[func(*x) for x in entries]，文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/util/nest. py", 第 535 行，在 结构[0]，[func(*x) for x in entries]，文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/keras/engine/数据适配器.py", 第 700 行，在 _convert_non_tensor 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 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，internal_convert_to_tensor ret = conversion_func（值，dtype=dtype，name=name，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", 第 52 行，在 _default_conversion_function 中 return constant_op.constant(value, dtype, name=name) File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/constant_op.py", 第 227 行，保持不变 allow_broadcast=True) 文件 "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow_core/python/framework/constant_op.py", 第 235 行，在 _constant_impl 中 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 return 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）。

【问题讨论】：

请添加完整的错误跟踪。

@VivekMehta 谢谢 - 刚刚添加

已解决：x_2 的值都是 float 类型，而 x_1 的值是 float32。 .astype('float32') 解决了我的问题

【参考方案1】：

为了社区的利益，在答案部分指定解决方案（即使它出现在评论部分）。

x_2 的值都是 float 类型，而 x_1 values 是 float32。

使用 x2.astype('float32') 将 x2 修改为 float32 已解决问题。