代码之家 › 专栏 › 技术社区 › Daniel Navarro

TensorFlow训练问题:无法将NumPy数组转换为Tensor(不支持的对象类型NumPy.ndarray)

lstm keras machine-learning tensorflow python

Daniel Navarro · 技术社区 · 1 年前

我试图用车辆轨迹的一些连续数据来训练LSTM网络,以了解驾驶员的意图。以下是我的数据结构:

每辆车有3个位置特征,每个入口有5辆车。每个特征都由50个元素组成。
我的模型的输出将是每个单独车辆意图的分类,该分类编码为3个意图(左转、右转、直行)。这样我们就有3x5=15(5辆车)输出列。这些列是热编码的。

若此情况得以解决:

我试图执行的构建和训练模型的代码如下:

input_columns = ['Local_X_0', 'Local_X_dot_0',  'Local_X_ddot_0', 'Local_X_1', 'Local_X_dot_1',  'Local_X_ddot_1', 'Local_X_2', 'Local_X_dot_2',  'Local_X_ddot_2', 
                    'Local_X_3', 'Local_X_dot_3',  'Local_X_ddot_3', 'Local_X_4', 'Local_X_dot_4',  'Local_X_ddot_4']

output_columns = ['Left_Change_0', 'Right_Change_0', 'No_Change_0', 'Left_Change_1', 'Right_Change_1', 'No_Change_1', 'Left_Change_2', 'Right_Change_2', 'No_Change_2',
                    'Left_Change_3', 'Right_Change_3', 'No_Change_3', 'Left_Change_4', 'Right_Change_4', 'No_Change_4']

X = np.array(df_id_arr[input_columns])
Y = np.array(df_id_arr[output_columns])


X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

print ('X_train shape: ', X_train.shape)
print ('X_test shape: ', X_test.shape)


model = tf.keras.Sequential([
    tf.keras.layers.LSTM(64, input_shape=(50, 15)),  # Assuming 50 timesteps
    tf.keras.layers.Dense(15, activation='softmax')  # 15 output categories
])

# Compile the model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# Train the model
history = model.fit(X_train, Y_train, epochs=10, batch_size=32, validation_data=(X_test, Y_test))

但是在尝试执行model.fit时,我得到了以下错误:

ValueError                                Traceback (most recent call last)
c:\Users\peroanjo\OneDrive - Universidad PolitÃ©cnica de Cartagena\Master IA\TFM\Code\LSTM.ipynb Cell 88 in ()
     23 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
     25 # Train the model
---> 26 history = model.fit(X_train, Y_train, epochs=10, batch_size=32, validation_data=(X_test, Y_test))

File c:\Users\peroanjo\anaconda3\envs\tf\lib\site-packages\keras\utils\traceback_utils.py:70, in filter_traceback..error_handler(*args, **kwargs)
     67     filtered_tb = _process_traceback_frames(e.__traceback__)
     68     # To get the full stack trace, call:
     69     # `tf.debugging.disable_traceback_filtering()`
---> 70     raise e.with_traceback(filtered_tb) from None
     71 finally:
     72     del filtered_tb

File c:\Users\peroanjo\anaconda3\envs\tf\lib\site-packages\tensorflow\python\framework\constant_op.py:102, in convert_to_eager_tensor(value, ctx, dtype)
    100     dtype = dtypes.as_dtype(dtype).as_datatype_enum
    101 ctx.ensure_initialized()
--> 102 return ops.EagerTensor(value, ctx.device_name, dtype)

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray).

知道我错过了什么吗?我认为我没有正确地重塑我的输入列,但我似乎无法做到正确。谢谢你的帮助!

我尝试将dataframe列重新整形或转换为numpy数组,但这没有帮助。

1 回复 | 直到 1 年前

MKimiSH 1 年前

从屏幕截图来看,问题应该与数据如何从 Dataframe 到 np.ndarray 在这种情况下,似乎 X 具有形状 (15499, 15) 但是每个元素都是单独的阵列。

在我的小规模测试中,当连接的数组的形状不同时,似乎会发生这种不完整的转换。考虑以下示例:

import numpy as np

print(np.array([np.array([3, 5]), np.array([5, 3, 3])]))
# [array([3, 5]) array([5, 3, 3])] plus some warnings

print(np.array([np.array([3, 5, 5]), np.array([5, 3, 3])]))
# [[3 5 5]
# [5 3 3]]

因此,我会仔细检查您的数据帧中是否有元素数量与50个不同的条目,例如是否有空条目。