Python Keras AttributeError:&x27；列表'；对象没有属性'；ndim&x27；

我正在Jupyter笔记本（Python 3.6）中运行Keras神经网络模型

我得到以下错误

AttributeError:“list”对象没有属性“ndim”

在从Keras.model调用.fit（）方法之后

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data[0]), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

我检查了Keras（在Anaconda3中）的requirements.txt文件，numpy、scipy和六个模块版本都是最新的

什么可以解释这个属性错误

完整的错误消息如下（似乎与Numpy有些关联）：

---------------------------------------------------------------------------AttributeError回溯（最近的调用） 最后）在（） 3模型。添加（密集型（1，激活='sigmoid'）） 4模型。编译（loss='mean_squared_error'，optimizer='adam'，metrics=['acc']） ---->5模型拟合（X_数据，y_数据，年代=20，批量大小=10）

~\Anaconda3\lib\site packages\keras\models.py适合（self，x，y， 批量大小、时代、详细、回调、验证拆分、， 验证数据、洗牌、类别权重、样本权重、初始历元、， 每个历元的步骤，验证步骤，**kwargs） 963初始纪元=初始纪元， 964步/u历元=步/u历元， -->965验证步骤=验证步骤） 966 967 def评估（自我，x=无，y=无

~\Anaconda3\lib\site packages\keras\engine\training.py in fit（self，x， y、 批量大小、时代、详细、回调、验证拆分、， 验证数据、洗牌、类别权重、样本权重、初始历元、， 每个历元的步骤，验证步骤，**kwargs）1591
类别重量=类别重量，1592检查批次轴=假， ->1593批次大小=批次大小）1594#准备验证数据。1595 do_验证=错误

中的~\Anaconda3\lib\site 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）1424
自馈输入形状，1425
检查批次轴是否为假， ->1426例外情况（前缀为“输入”），1427 y=\U标准化\U输入\U数据（y，自.\U输入\U输出\U名称，
1428个输出形状

中的~\Anaconda3\lib\site packages\keras\engine\training.py _标准化输入数据（数据、名称、形状、检查批处理轴、异常前缀） 68 elif isinstance（数据、列表）： 69数据=[x.值，如果x.类名称=='DataFrame'否则x代表数据中的x] --->70数据=[np.如果x不是None，则展开_dims（x，1），如果x是数据中的x，则x.ndim==1，否则x为x] 71.其他： 72 data=data.values if data.类名称==“DataFrame”else数据

中的~\Anaconda3\lib\site packages\keras\engine\training.py (.0) 68 elif isinstance（数据、列表）： 69数据=[x.值，如果x.类名称=='DataFrame'否则x代表数据中的x] --->70数据=[np.如果x不是None，则展开_dims（x，1），如果x是数据中的x，则x.ndim==1，否则x为x] 71.其他： 72 data=data.values if data.类名称==“DataFrame”else数据

AttributeError:“list”对象没有属性“ndim”

---

model.fit

期望x和y为numpy数组。似乎您传递了一个列表，它试图通过读取numpy数组的

ndim

属性来获取输入的形状，但失败了

您只需使用

np.array

对其进行变换即可：

import numpy as np
...
model.fit(np.array(train_X),np.array(train_Y), epochs=20, batch_size=10)

---

我不知道您的培训数据的形状，但我怀疑您的

input\u dim

有错误。请尝试将其更改为

input\u dim=len（X\u data）

，如下所示：

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Conv2D, MaxPool2D, Dense

---

导入时，应使用

tensorflow.keras

而不是像这样使用

keras

：

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Input, Conv2D, MaxPool2D, Dense

因为存在与

keras

模块相关的错误

---

参考：。

这就是问题所在。修复了它！但很有趣，因为在另一台计算机上，即使数据是双矩阵而不是numpy数组，Keras也可以运行。感谢您的帮助！X_数据有5个功能，y_数据有2个功能。输出数据可能是原因，尽管切换到numpy数组可以解决问题。是吗这是tensorflow 2.x的吗？