Tensorflow数据适配器错误：ValueError：未能找到可以处理输入的数据适配器

Question

在运行加密货币RNN的senddex教程脚本时，请在此处链接

YouTube教程：加密货币预测RNN模型，

但尝试训练模型时遇到错误。我的tensorflow版本是2.0.0，我正在运行python 3.6。尝试训练模型时，出现以下错误：

File "C:\python36-64\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 734, in fit
    use_multiprocessing=use_multiprocessing)

File "C:\python36-64\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py", line 224, in fit
    distribution_strategy=strategy)

File "C:\python36-64\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py", line 497, in _process_training_inputs
    adapter_cls = data_adapter.select_data_adapter(x, y)

File "C:\python36-64\lib\site-packages\tensorflow_core\python\keras\engine\data_adapter.py", line 628, in select_data_adapter
    _type_name(x), _type_name(y)))

ValueError: Failed to find data adapter that can handle input: <class 'numpy.ndarray'>, (<class 'list'> containing values of types {"<class 'numpy.float64'>"})

任何建议将不胜感激！

Answer 1

您可以通过在调用之前将标签转换为数组来避免此错误model.fit()：

train_x = np.asarray(train_x)
train_y = np.asarray(train_y)
validation_x = np.asarray(validation_x)
validation_y = np.asarray(validation_y)

Answer 2

Have you checked whether your training/testing data and training/testing labels are all numpy arrays? It might be that you're mixing numpy arrays with lists.

Answer 3

如果在处理从类继承的自定义生成器时遇到此问题，则keras.utils.Sequence可能必须确保不要混合使用 aKeras或tensorflow - Keras-import。
当您必须切换到以前的tensorflow版本以实现兼容性（例如使用cuDNN）时，这种情况尤其可能发生。

例如，如果您将它与tensorflow-version > 2 ...

from keras.utils import Sequence

class generatorClass(Sequence):

    def __init__(self, x_set, y_set, batch_size):
        ...

    def __len__(self):
        ...

    def __getitem__(self, idx):
        return ...

...但您实际上尝试将此生成器安装在tensorflow-version < 2 中，您必须确保Sequence从此版本导入-class，例如：

keras = tf.compat.v1.keras
Sequence = keras.utils.Sequence

class generatorClass(Sequence):

    ...

Answer 4

我有一个类似的问题。在我的情况下，我使用的是tf.keras.Sequential模型而不是keras生成器是一个问题。

错误的：

from keras.preprocessing.sequence import TimeseriesGenerator
gen = TimeseriesGenerator(...)

正确的：

gen = tf.keras.preprocessing.sequence.TimeseriesGenerator(...)