用于拟合Keras模型的Dask数据帧

我有一个Dask数据帧，我想用于安装Keras自动编码器型号：

数据帧：

import dask.dataframe as dd
input_df = dd.read_csv(file_path)
input_df.dtypes

_2.64 _3.64 _4.64 _5.64

Keras型号：

autoencoder = Sequential()
autoencoder.add(Dense(dense[0], input_shape=(dense[0],), activation = 'relu' ))
autoencoder.add(Dense(dense[1], activation = 'relu' ))
autoencoder.add(Dense(dense[2], activation = 'relu' ))
autoencoder.add(Dense(dense[3], activation = 'relu' ))
autoencoder.add(Dense(dense[0], activation = 'relu' ))

autoencoder.compile(loss='mse',
          optimizer='adam',
          metrics=['mse'])

当我传递数据框进行装配时：

autoencoder.fit(input_df, input_df,
                batch_size=batch_size,
                epochs=epochs,
                verbose=1,
                validation_split = val_split)

我得到一个错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-23-d0480d8a460d> in <module>()
      3                     epochs=epochs,
      4                     verbose=1,
----> 5                     validation_split = val_split)

~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
    950             sample_weight=sample_weight,
    951             class_weight=class_weight,
--> 952             batch_size=batch_size)
    953         # Prepare validation data.
    954         do_validation = False

~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
    799                 for (ref, sw, cw, mode) in
    800                 zip(y, sample_weights, class_weights,
--> 801                     feed_sample_weight_modes)
    802             ]
    803             # Check that all arrays have the same length.

~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py in <listcomp>(.0)
    797             sample_weights = [
    798                 standardize_weights(ref, sw, cw, mode)
--> 799                 for (ref, sw, cw, mode) in
    800                 zip(y, sample_weights, class_weights,
    801                     feed_sample_weight_modes)

~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training_utils.py in standardize_weights(y, sample_weight, class_weight, sample_weight_mode)
    522     else:
    523         if sample_weight_mode is None:
--> 524             return np.ones((y.shape[0],), dtype=K.floatx())
    525         else:
    526             return np.ones((y.shape[0], y.shape[1]), dtype=K.floatx())

~/anaconda3/envs/py36/lib/python3.6/site-packages/numpy/core/numeric.py in ones(shape, dtype, order)
    201 
    202     """
--> 203     a = empty(shape, dtype, order)
    204     multiarray.copyto(a, 1, casting='unsafe')
    205     return a

TypeError: 'float' object cannot be interpreted as an integer

TypeError回溯（最近一次调用）
在（）
3个时代=时代，
4详细=1，
---->5验证分割=价值分割）
~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py-in-fit（self、x、y、批大小、历元、冗余、回调、验证分割、验证数据、随机排列、类权重、样本权重、初始历元、每历元的步数、验证步数、**kwargs）
950样品重量=样品重量，
951类重量=类重量，
-->952批次大小=批次大小）
953#准备验证数据。
954 do_验证=错误
~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py in\u-standard\u-user\u数据（自身、x、y、样本重量、类别重量、检查数组长度、批次大小）
799（参考、开关、连续、模式）输入
800拉链（y、样品重量、等级重量、，
-->801进料（样品重量模式）
802             ]
803#检查所有阵列的长度是否相同。
~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training.py in（.0）
797样本重量=[
798标准化重量（参考、开关、连续、模式）
-->799（参考、开关、连续、模式）输入
800拉链（y、样品重量、等级重量、，
801进料（样品重量模式）
~/anaconda3/envs/py36/lib/python3.6/site-packages/keras/engine/training\u utils.py标准化权重（y、样本权重、等级权重、样本权重模式）
522其他：
523如果样本重量模式为无：
-->524返回np.one（（y.shape[0]，），dtype=K.floatx（）
525其他：
526返回np.one（（y.shape[0]，y.shape[1]），dtype=K.floatx（）
~/anaconda3/envs/py36/lib/python3.6/site-packages/numpy/core/numeric.py（形状、数据类型、顺序）
201
202     """
-->203 a=空（形状、数据类型、顺序）
204 multiarray.copyto（a，1，casting='unsafe'）
205返回a
TypeError:“float”对象不能解释为整数

---

非常感谢您的帮助！谢谢！

请包含完整的回溯，不清楚是什么导致了此错误。@MatiasValdenegro添加了完整的错误日志