Machine learning 错误：不支持将字符串强制转换为浮点

我是新来的，现在正在学习机器学习。矿山的第一个项目是VGG 16，于2013年完工。但是当我运行代码时，这一行总是出现“不支持将字符串转换为浮点”的错误： 模型拟合（X_序列，y_序列，批量大小=32，年代=30，详细度=1，验证数据=（X_检验，y_检验）） 我尝试了几种方法将CSV文件的数据转换为浮点值，但都不起作用。有人知道如何解决这个问题吗？ 这是我的全部代码：

将熊猫作为pd导入
将numpy作为np导入
从keras.models导入顺序
从keras.layers.core导入扁平、致密、脱落
从keras.layers.convolution导入卷积2D、MaxPoolig2D、ZeroPadding2D
从keras.optimizers导入新加坡元
从keras.utils导入np_utils
进口cv2
进口干酪
导入csv
emotion_data=pd.read_csv（'/content/drive/My drive/emotion_Detection/fer2013.csv'））
情绪数据头（）
情绪_data.info（）
X_列车=[]
y_train=[]
X_检验=[]
y_检验=[]
对于索引，在emotion_data.iterrows（）中的行：
k=行['pixels']。拆分（“”）
如果行['Usage']=='Training'：
X_列追加（np.数组（k））
y_train.append（第['emotion'行]）
elif行['Usage']=='PublicTest'：
X_测试附加（np.数组（k））
y_test.append（第['emotion'行]）
X_列=np.数组（X_列）
y_列=np.数组（y_列）
X_测试=np.数组（X_测试）
y_测试=np.数组（y_测试）
X_-train=X_-train.重塑（X_-train.形状[0]，48，48，1）
X_测试=X_测试。重塑（X_测试。形状[0]，48，48，1）
y_列=np_utils.to_categorical（y_列，num_classes=7）
y_测试=np_utils.to_Category（y_测试，num_classes=7）
模型=顺序（）
添加（ZeroPadding2D（（1,1），输入_形状=（48,48,1）））
添加（卷积2D（64,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（64,3,3，activation='relu'））
add（MaxPooling2D（（2,2），跨步=（2,2）））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（128,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（128,3,3，activation='relu'））
add（MaxPooling2D（（2,2），跨步=（2,2），padding='same'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（256,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（256,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（256,3,3，activation='relu'））
add（MaxPooling2D（（2,2），跨步=（2,2），padding='same'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
add（MaxPooling2D（（2,2），跨步=（2,2），padding='same'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
添加（ZeroPadding2D（（1,1）））
添加（卷积2D（512,3,3，activation='relu'））
add（MaxPooling2D（（2,2），跨步=（2,2），padding='same'））
model.add（展平（））
model.add（密集型（4096，activation='relu'））
模型。添加（辍学率（0.5））
model.add（密集型（4096，activation='relu'））
模型。添加（辍学率（0.5））
model.add（密集型（7，activation='softmax'））
compile（优化器='sgd'，loss='classifical_crossentropy'，metrics=['accurity']）
模型拟合（X_序列，y_序列，批量大小=32，年代=30，详细度=1，验证数据=（X_检验，y_检验））
损失和度量=模型。评估（X\u测试，y\u测试）
打印（损失和度量）