Nie udało się znaleźć adaptera danych, który może obsłużyć dane wejściowe: <klasa 'numpy.ndarray'>, (<lista 'klas'> zawierająca wartości typów {„<class 'int'>”}))

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

problem z linią był taki

Pokazuje błąd:

ValueError: Failed to find data adapter that can handle input: <class 'numpy.ndarray'>, (<class 'list'> containing values of types {"<class 'int'>"})

ValueError w TensorFlow

https://pythonprogramming.net/convolutional-neural-network-deep-learning-python-tensorflow-keras/

Próbowałem następującego kodu i pracowałem dla siebie:

IMG_SIZE = 50

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

y = np.array(y)

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

Dzieje się tak w nowszej wersji tensorflow Nie jestem pewien, skąd byłem, ale byłem w wersji 2.0.0 i to samo się stało

Zakładam, że konwertujesz tylko tablicę X na tablicę numpy. Spróbuj raczej przekonwertować „X” oraz „y” na tablicę numpy, używając dtype jako np.uint8

To powinno rozwiązać problem

Miałem do czynienia z tym samym problemem. Okazuje się, że była to lista. Musiałem przekonwertować pola na tablicę numpy, taką jak:

training_padded = np.array(training_padded)
training_labels = np.array(training_labels)
testing_padded = np.array(testing_padded)
testing_labels = np.array(testing_labels)

Otóż ​​to!

VIKI powiedział już dobrą odpowiedź. Dodam więcej informacji. Kiedyś dodawałem awarię hosta colab, zanim dodałem owijki np.array ().

# Need to call np.array() around pandas dataframes.
# This crashes the colab host from TF attempting a 32GB memory alloc when np.array() wrappers are not used around pandas dataframes.
# Wrapping also cures warning about "Failed to find data adapter that can handle input"
history = model.fit(x=np.array(tr_X), y=np.array(tr_Y), epochs=3, validation_data=(np.array(va_X), np.array(va_Y)), batch_size=batch_size, steps_per_epoch=spe, validation_freq=5)

Awaria hosta z powodu braku pamięci ma coś wspólnego z tym:

Wyjaśnienie gęstego gradientu Tensorflow?

W moim przypadku problem był tylko y. to była lista. w takim razie musiałem się zmienić

y = np. tablica (y)

Odpowiedź Mahmuda naprawia błąd samouczka TensorFlow „Regresja podstawowa: Przewiduj efektywność zużycia paliwa” w sekcji [30]. Są to 2 linie:

Zmień to:

example_batch = normed_train_data[:10]
example_result = model.predict(example_batch)

Do tego:

example_batch = np.array(normed_train_data[0:10]) 
example_result = model.predict(example_batch)

Dzięki Mahmud

Po prostu wpisz rzutuj tablice.

na przykład:

import numpy as np
features = np.array(features,dtype='float64')
labels = np.array(labels, dtype ='float64')