将 NumPy 数组转换为张量失败的错误

如何解决将 NumPy 数组转换为张量失败的错误

我有以下格式的数据。我正在使用神经网络通过神经网络回归预测三个参数停机时间、延迟和准确性。

Node No Model    Technique   Downtime  Latency  Accuracy    
 1      Net     Repartition     0.90    31368.5  0.99   
 2      Net     Pause           0.10    21368.5  0.89   
 3      Mobile  Repartition     0.49    41368.5  0.79   
 4      Net     Pause           0.80    51368.5  0.98

代码

pre_norms = (predictors-predictors.mean()/predictors.std())
pre_norms.head()
predictors=data.drop(['Downtime','Latency','Accuracy'],axis = 1)
target=data[['Downtime','Accuracy']]
n_cols= pre_norms.shape[1]


def regression():
  model=Sequential()
  model.add(Dense(50,activation= 'relu',input_shape=(n_cols,)))
  model.add(Dense(50,activation='relu'))#hidden layer
  model.add(Dense(3))#output
  model.compile(optimizer='adam',loss='mean_squared_error')
  return model

model=regression()
model.fit(pre_norms,target,validation_split=.3,epochs=100,verbose=1)

错误

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

解决方法

我无法运行您的代码，因此我创建了类似的代码，当 pre_norms 的值为 NaN 时，我收到此错误。

我得到 pre_norms 和 NaN 因为 predictors 有列 No_Model,Technique 有字符串和 predictors-predictors.mean()/predictors.std()) 将它们转换为 {{1 }}

解决方案可能是删除列 NaN 但这会创建空数据 - 所以它没用。

我不知道您的完整代码，但您应该检查变量中的内容，如果您有 No_Model,Technique，那么您的计算有误。

,

我认为您错过了一个重要步骤，即处理文本/分类属性。您的 Model 和 Technique 需要转换为数字。其中一种方式是

predictors_cat_converted=pd.get_dummies(predictors,prefix=['Model','Technique'])

现在所有文本都已转换为数字，您可以使用转换后的数据运行模型。

n_cols=predictors_cat_converted.shape[1]
model=regression()
model.fit(predictors_cat_converted,target,validation_split=.3,epochs=100,verbose=1)