Python 使用线性回归和Tensorflow2的神经网络实现无误差

我正在完成我自己的沙盒项目，希望尝试并实现NLP，但结果是线性回归。作为参考，我使用的数据集包含葡萄酒评论和相应的1到100分，因此我使用线性回归而不是分类

但我收到一条错误消息，我不确定这是否是数据类型或维度问题的结果，我也不知道为什么或如何解决它

我将提供下面的代码，以及一些显示一些对象的维度的中间结果，因为我认为这可能对解决这个问题有用

df = pd.read_csv('winemag-data_first150k.csv', encoding='ISO-8859-1')
y = df['points'].astype(int)
X = df['description'].astype(str)

# split up the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)

MAX_VOCAB_SIZE = 35000
tokenizer = Tokenizer(num_words=MAX_VOCAB_SIZE)
tokenizer.fit_on_texts(X_train)
sequences_train = tokenizer.texts_to_sequences(X_train)
sequences_test = tokenizer.texts_to_sequences(X_test)

word2idx = tokenizer.word_index
V = len(word2idx)
print('Found %s unique tokens.' % V)
   Found 33012 unique tokens.

data_train = pad_sequences(sequences_train)
print('Shape of data train tensor:', data_train.shape)

# get sequence length
T = data_train.shape[1]
   Shape of data train tensor: (101123, 136)

data_test = pad_sequences(sequences_test, maxlen=T)
print('Shape of data test tensor:', data_test.shape)
   Shape of data test tensor: (49807, 136)

# Create the model

# We get to choose embedding dimensionality
D = 20

# Hidden state dimensionality
M = 15



i = Input(shape=(T,))
x = Embedding(V + 1, D)(i)
x = LSTM(M, return_sequences=True)(x)
x = GlobalMaxPooling1D()(x)
x = Dense(1)(x)

model = Model(i, x)

model.compile(optimizer='adam', loss='mse')


# learning rate scheduler
def schedule(epoch, lr):
  if epoch >= 50:
    return 0.0001
  return 0.001
 

scheduler = tf.keras.callbacks.LearningRateScheduler(schedule)


# Train the model
r = model.fit(X, y, epochs=200, callbacks=[scheduler])

然后，我得到了错误消息以及关于维度的警告：

Epoch 1/200
WARNING:tensorflow:Model was constructed with shape (None, 136) for input Tensor("input_10:0", shape=(None, 136), dtype=float32), but it was called on an input with incompatible shape (None, 1).
WARNING:tensorflow:Model was constructed with shape (None, 136) for input Tensor("input_10:0", shape=(None, 136), dtype=float32), but it was called on an input with incompatible shape (None, 1).
---------------------------------------------------------------------------
UnimplementedError                        Traceback (most recent call last)
<ipython-input-121-0f68916ec23b> in <module>
     13 
     14 # Train the model
---> 15 r = model.fit(X, y, epochs=200, callbacks=[scheduler])

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\keras\engine\training.py in _method_wrapper(self, *args, **kwargs)
    106   def _method_wrapper(self, *args, **kwargs):
    107     if not self._in_multi_worker_mode():  # pylint: disable=protected-access
--> 108       return method(self, *args, **kwargs)
    109 
    110     # Running inside `run_distribute_coordinator` already.

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\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, validation_batch_size, validation_freq, max_queue_size, workers, use_multiprocessing)
   1096                 batch_size=batch_size):
   1097               callbacks.on_train_batch_begin(step)
-> 1098               tmp_logs = train_function(iterator)
   1099               if data_handler.should_sync:
   1100                 context.async_wait()

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\def_function.py in __call__(self, *args, **kwds)
    778       else:
    779         compiler = "nonXla"
--> 780         result = self._call(*args, **kwds)
    781 
    782       new_tracing_count = self._get_tracing_count()

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\def_function.py in _call(self, *args, **kwds)
    838         # Lifting succeeded, so variables are initialized and we can run the
    839         # stateless function.
--> 840         return self._stateless_fn(*args, **kwds)
    841     else:
    842       canon_args, canon_kwds = \

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\function.py in __call__(self, *args, **kwargs)
   2827     with self._lock:
   2828       graph_function, args, kwargs = self._maybe_define_function(args, kwargs)
-> 2829     return graph_function._filtered_call(args, kwargs)  # pylint: disable=protected-access
   2830 
   2831   @property

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\function.py in _filtered_call(self, args, kwargs, cancellation_manager)
   1841       `args` and `kwargs`.
   1842     """
-> 1843     return self._call_flat(
   1844         [t for t in nest.flatten((args, kwargs), expand_composites=True)
   1845          if isinstance(t, (ops.Tensor,

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\function.py in _call_flat(self, args, captured_inputs, cancellation_manager)
   1921         and executing_eagerly):
   1922       # No tape is watching; skip to running the function.
-> 1923       return self._build_call_outputs(self._inference_function.call(
   1924           ctx, args, cancellation_manager=cancellation_manager))
   1925     forward_backward = self._select_forward_and_backward_functions(

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\function.py in call(self, ctx, args, cancellation_manager)
    543       with _InterpolateFunctionError(self):
    544         if cancellation_manager is None:
--> 545           outputs = execute.execute(
    546               str(self.signature.name),
    547               num_outputs=self._num_outputs,

~\anaconda3\envs\newenvt\lib\site-packages\tensorflow\python\eager\execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
     57   try:
     58     ctx.ensure_initialized()
---> 59     tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
     60                                         inputs, attrs, num_outputs)
     61   except core._NotOkStatusException as e:

UnimplementedError:  Cast string to float is not supported
     [[node functional_11/Cast (defined at <ipython-input-121-0f68916ec23b>:15) ]] [Op:__inference_train_function_17206]

Function call stack:
train_function

纪元1/200
警告：tensorflow:为输入张量（“input_10:0”，shape=（None，136），dtype=float32）构造了形状（None，136）的模型，但在形状不兼容的输入（None，1）上调用了该模型。
警告：tensorflow:为输入张量（“input_10:0”，shape=（None，136），dtype=float32）构造了形状（None，136）的模型，但在形状不兼容的输入（None，1）上调用了该模型。
---------------------------------------------------------------------------
未实现错误回溯（最近一次呼叫最后一次）
在里面
13
14#训练模特
--->15R=model.fit（X，y，epochs=200，回调=[scheduler]）
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\keras\engine\training.py in\u method\u包装（self，*args，**kwargs）
106定义方法包装（self，*args，**kwargs）：
107如果不是self._处于_multi_worker_模式（）：#pylint:disable=受保护的访问
-->108返回方法（self、*args、**kwargs）
109
110#已经在“运行分配协调器”内部运行了。
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\keras\engine\training.py（self、x、y、批大小、历元、冗余、回调、验证拆分、验证数据、洗牌、类权重、样本权重、初始历元、每个历元的步骤、验证步骤、验证批次大小、验证频率、最大队列大小、工人、使用多处理）
1096批次大小=批次大小）：
1097回拨。列车上批次开始（步骤）
->1098 tmp_日志=训练函数（迭代器）
1099如果数据处理程序应同步：
1100 context.async_wait（）
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\def\u function.py在调用中（self，*args，**kwds）
778其他：
779 compiler=“nonXla”
-->780结果=自身调用（*args，**kwds）
781
782 new_tracing_count=self._get_tracing_count（）
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\def_function.py in_调用（self，*args，**kwds）
838#提升成功，因此变量已初始化，我们可以运行
839#无状态函数。
-->840返回自我。无状态的（*args，**kwds）
841其他：
842佳能args，佳能kwds=\
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\function.py在调用中（self，*args，**kwargs）
2827带自锁：
2828图形函数，args，kwargs=self.\u可能定义函数（args，kwargs）
->2829返回图形\函数。\过滤\调用（args，kwargs）\ pylint:disable=受保护访问
2830
2831@property
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\function.py in\u filtered\u调用（self、args、kwargs、cancellation\u manager）
1841“args”和“kwargs”。
1842     """
->1843返回自我。呼叫公寓(
1844[t代表嵌套中的t。展平（（args，kwargs），展开=真）
1845如果存在（t）（操作张量，
~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\function.py在调用平面中（self、args、捕获的输入、取消管理器）
1921年，并热切地执行（U）：
1922年#没有磁带在观看；跳到运行函数。
->1923返回self.\u构建\u调用\u输出（self.\u推断\u函数.call(
1924 ctx，参数，取消管理器=取消管理器）
1925向前\向后=自。\选择向前\和向后\功能(
调用中的~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\function.py（self、ctx、args、cancellation\u manager）
543带_插值函数误差（自）：
544如果取消管理器为无：
-->545输出=execute.execute(
546 str（自我签名、姓名），
547 num_输出=自。_num_输出，
快速执行中的~\anaconda3\envs\newenvt\lib\site packages\tensorflow\python\eager\execute.py（操作名称、数值输出、输入、属性、ctx、名称）
57尝试：
58 ctx.确保_已初始化（）
--->59张量=pywrap\u tfe.tfe\u Py\u Execute（ctx.\u句柄、设备名称、操作名称、，
60个输入、属性、数量输出）
61除堆芯外，其他状态除外，如e：
UnimplementedError:不支持将字符串强制转换为浮点
[node functional_11/Cast（定义于：15）][Op:_推理_train_functional_17206]
函数调用堆栈：
列车功能

我不完全确定需要更改什么，但如果您有任何建议，我将不胜感激。

来自评论

将

X

传递给

model.fit

，它字面上有字符串值，这是一个神经网络 网络不能是输入字符串值（转述自Snoopy博士）

---

你把X传递给model.fit，它实际上有字符串值，神经网络不能输入字符串值。天哪，我真不敢相信我这么做了。你说得对。你赢了。谢谢。