__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

    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