Python ValueError:无法使用tensorflow将NumPy数组转换为Tensor（不支持的对象类型NumPy.ndarray）

我正在尝试建立一个模型，可以对图片中是否有动物进行分类，但我在数据方面遇到了问题。我尝试运行我的代码：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Conv2D
from tensorflow.keras.layers import Activation, MaxPooling2D, Dropout, Flatten, Reshape
from tensorflow.keras.optimizers import RMSprop
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

from matplotlib import pyplot
from matplotlib.image import imread
import tensorflow as tf
import os
import numpy as np

base = '/home/jose/Programming/aiml/Data/naturewatch'
# Directory of all the pictures with an animal 
critter = base + '/critter/'
# Directory of all the pictures without an animal
no_critter = base + '/no_critter/'

def load_data():
    data = []
    labels = []
    for raw in os.listdir(critter):
        # The array of values
        image = np.array(imread(critter + raw))
        data.append(image)
        # 1 for yes critter
        labels.append(1)
        # image.shape = (1088, 1920, 3)

    for raw in os.listdir(no_critter):
        # load image pixels
        image = np.array(imread(no_critter + raw))
        data.append(image)
        # 0 for no critter 
        labels.append(0)
        # image.shape = (1088, 1920, 3)
    data = np.array(data)
    labels = np.array(labels)
    return data, labels

data, labels = load_data()

# (2308,)
print(data.shape) 
print(labels.shape)

X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.2, random_state=101)

print(X_train.shape) # (1846,)
print(X_test.shape)
print(y_train.shape) # (462,)
print(y_test.shape)

# Plot 9 images
for i, image in enumerate(X_train[:9]):
    # define subplot
    pyplot.subplot(330 + 1 + i)
    pyplot.imshow(image)
    print('image', image.shape, 'label', y_train[i])
# show the figure
pyplot.show()

dropout = 0.2
model = Sequential()
# Reshape image to a much smaller size
model.add(Reshape((272, 480, 3)))

model.add(Conv2D(32, (3, 3), padding='same'))
model.add(Activation('relu'))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(dropout))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(dropout))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(dropout))
model.add(Dense(2))
model.add(Activation('softmax'))

# initiate RMSprop optimizer
opt = RMSprop(lr=0.0001, decay=1e-6)

# Let's train the model using RMSprop
model.compile(loss='categorical_crossentropy',
                optimizer=opt,
                metrics=['accuracy'])

model.fit(X_train, y_train) # Causes error

但它会引发错误：

ValueError:无法将NumPy数组转换为张量（不支持的对象类型NumPy.ndarray）。

在

model.fit（X\u train，y\u train）

行上。你知道为什么会这样吗

我看过这篇文章，但解决方案对我不起作用，即像这样转换序列和测试

np.asarray（X）.astype（np.float32）

（这会引发另一个错误

ValueError:用序列设置数组元素。

）

由于错误抱怨无法将np.array转换为张量，因此我尝试使用

tf.convert\u to_tensor（）

函数，但这导致了另一个错误：

ValueError:无法将非矩形Python序列转换为张量。

有人知道这里到底发生了什么吗？

好的，我知道了

首先，一个大小（1088120）的图像是由Y变大的。出于测试的目的，我使用cv2.resize（）将其重塑为（68120）（我去掉了重塑（）层）。这解决了我的维度问题。例如，X_火车不再是（1846，）而是（1846，68，120，3）

因为我去掉了重塑（）层，所以我指定了第一个Conv2D层，输入大小为（68120,3），现在它可以工作了