__索引\返回的非整型(类型NoneType) 92 adam=优化器.adam(lr=学习率) 93 model.compile(优化器=adam,loss='mse',metrics=['accurity']) --->94 model.fit({'train'u im':trainim},{'main'u output':lableim},批处理大小=批处理大小,epochs=epochs,verbose=1) 95 model.save(目录\u log+'my\u model.h5') /usr/local/lib/python3.5/dist-packages/keras/engine/training.py in-fit(self、x、y、批量大小、历元、冗余、回调、验证分割、验证数据、混洗、类权重、样本权重、初始历元、每历元的步骤、验证步骤、**kwargs) 1579等级重量=等级重量, 1580检查批次轴=假, ->1581批次大小=批次大小) 1582#准备验证数据。 1583 do_验证=错误 /usr/local/lib/python3.5/dist-packages/keras/engine/training.py标准化用户数据(自身、x、y、样本重量、类别重量、检查批次轴、批次大小) 1423样本权重=[[标准化权重(参考、sw、cw、模式) 1424(参考、开关、连续、模式) ->1425英寸拉链(y、样品重量、等级重量、自进料重量、样品重量模式)] 1426检查数组长度(x、y、样本权重) 1427检查损失和目标兼容性(y, /usr/local/lib/python3.5/dist-packages/keras/engine/training.py in(.0) 1422自身(输入输出名称) 1423样本权重=[[标准化权重(参考、sw、cw、模式) ->1424(参考、开关、连续、模式) 1425英寸拉链(y、样品重量、等级重量、自进料重量、样品重量模式)] 1426检查数组长度(x、y、样本权重) /usr/local/lib/python3.5/dist-packages/keras/engine/training.py标准化权重(y、样本权重、等级权重、样本权重模式) 568其他: 569如果样本重量模式为无: -->570返回np.one((y.shape[0],),dtype=K.floatx() 571其他: 572返回np.one((y.shape[0],y.shape[1]),dtype=K.floatx() /usr/local/lib/python3.5/dist-packages/numpy/core/numeric.py为一体(形状、数据类型、顺序) 190 191 """ -->192 a=空(形状、数据类型、顺序) 193 multiarray.copyto(a,1,casting='safe') 194返回a
在运行keras文件时,我遇到了这种类型的错误。我不知道为什么它会给出一个索引错误。我甚至没有使用它。我是keras新手,请帮助我在model.fit中输入了一个错误数组。我发现了错误__索引\返回的非整型(类型NoneType) 92 adam=优化器.adam(lr=学习率) 93 model.compile(优化器=adam,loss='mse',metrics=['accurity']) --->94 model.fit({'train'u im':trainim},{'main'u output':lableim},批处理大小=批处理大小,epochs=epochs,verbose=1) 95 model.save(目录\u log+'my\u model.h5') /usr/local/lib/python3.5/dist-packages/keras/engine/training.py in-fit(self、x、y、批量大小、历元、冗余、回调、验证分割、验证数据、混洗、类权重、样本权重、初始历元、每历元的步骤、验证步骤、**kwargs) 1579等级重量=等级重量, 1580检查批次轴=假, ->1581批次大小=批次大小) 1582#准备验证数据。 1583 do_验证=错误 /usr/local/lib/python3.5/dist-packages/keras/engine/training.py标准化用户数据(自身、x、y、样本重量、类别重量、检查批次轴、批次大小) 1423样本权重=[[标准化权重(参考、sw、cw、模式) 1424(参考、开关、连续、模式) ->1425英寸拉链(y、样品重量、等级重量、自进料重量、样品重量模式)] 1426检查数组长度(x、y、样本权重) 1427检查损失和目标兼容性(y, /usr/local/lib/python3.5/dist-packages/keras/engine/training.py in(.0) 1422自身(输入输出名称) 1423样本权重=[[标准化权重(参考、sw、cw、模式) ->1424(参考、开关、连续、模式) 1425英寸拉链(y、样品重量、等级重量、自进料重量、样品重量模式)] 1426检查数组长度(x、y、样本权重) /usr/local/lib/python3.5/dist-packages/keras/engine/training.py标准化权重(y、样本权重、等级权重、样本权重模式) 568其他: 569如果样本重量模式为无: -->570返回np.one((y.shape[0],),dtype=K.floatx() 571其他: 572返回np.one((y.shape[0],y.shape[1]),dtype=K.floatx() /usr/local/lib/python3.5/dist-packages/numpy/core/numeric.py为一体(形状、数据类型、顺序) 190 191 """ -->192 a=空(形状、数据类型、顺序) 193 multiarray.copyto(a,1,casting='safe') 194返回a,keras,Keras,在运行keras文件时,我遇到了这种类型的错误。我不知道为什么它会给出一个索引错误。我甚至没有使用它。我是keras新手,请帮助我在model.fit中输入了一个错误数组。我发现了错误 92 adam = optimizers.Adam(lr = learning_rate) 93 model.compile(optimizer=adam, loss='mse',metrics=['accuracy']) ---> 94 model.fit({'train_im':tra
92 adam = optimizers.Adam(lr = learning_rate)
93 model.compile(optimizer=adam, loss='mse',metrics=['accuracy'])
---> 94 model.fit({'train_im':trainim}, {'main_output':lableim}, batch_size=batch_size, epochs=epochs, verbose=1)
95 model.save(directory_log + 'my_model.h5')
/usr/local/lib/python3.5/dist-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)
1579 class_weight=class_weight,
1580 check_batch_axis=False,
-> 1581 batch_size=batch_size)
1582 # Prepare validation data.
1583 do_validation = False
/usr/local/lib/python3.5/dist-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_batch_axis, batch_size)
1423 sample_weights = [_standardize_weights(ref, sw, cw, mode)
1424 for (ref, sw, cw, mode)
-> 1425 in zip(y, sample_weights, class_weights, self._feed_sample_weight_modes)]
1426 _check_array_lengths(x, y, sample_weights)
1427 _check_loss_and_target_compatibility(y,
/usr/local/lib/python3.5/dist-packages/keras/engine/training.py in <listcomp>(.0)
1422 self._feed_output_names)
1423 sample_weights = [_standardize_weights(ref, sw, cw, mode)
-> 1424 for (ref, sw, cw, mode)
1425 in zip(y, sample_weights, class_weights, self._feed_sample_weight_modes)]
1426 _check_array_lengths(x, y, sample_weights)
/usr/local/lib/python3.5/dist-packages/keras/engine/training.py in _standardize_weights(y, sample_weight, class_weight, sample_weight_mode)
568 else:
569 if sample_weight_mode is None:
--> 570 return np.ones((y.shape[0],), dtype=K.floatx())
571 else:
572 return np.ones((y.shape[0], y.shape[1]), dtype=K.floatx())
/usr/local/lib/python3.5/dist-packages/numpy/core/numeric.py in ones(shape, dtype, order)
190
191 """
--> 192 a = empty(shape, dtype, order)
193 multiarray.copyto(a, 1, casting='unsafe')
194 return a