找不到可以处理输入的数据适配器：<class 'numpy.ndarray'>，（<class 'list'> 包含类型 {"<class 'int'>"} 的值）答案

【问题标题】：Failed to find data adapter that can handle input: <class 'numpy.ndarray'>, (<class 'list'> containing values of types {"<class 'int'>"})找不到可以处理输入的数据适配器：<class 'numpy.ndarray'>，（<class 'list'> 包含类型 {"<class 'int'>"} 的值）
【发布时间】：2020-02-29 02:19:00
【问题描述】：

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

线路问题是这样的

显示错误：

ValueError: Failed to find data adapter that can handle input: <class 'numpy.ndarray'>, (<class 'list'> containing values of types {"<class 'int'>"})

【问题讨论】：

请edit 您的问题并添加更多代码和上下文，以及完整的错误回溯。阅读how to ask。
什么是model？它不是任何标记包的一部分。显示完整的回溯。

标签： python list numpy pycharm

【解决方案1】：

我遇到了同样的问题。原来它是以列表的形式出现的。我必须将字段转换为 numpy 数组，例如：

training_padded = np.array(training_padded)
training_labels = np.array(training_labels)
testing_padded = np.array(testing_padded)
testing_labels = np.array(testing_labels)

就是这样！

【讨论】：

【解决方案2】：

ValueError in TensorFlow

https://pythonprogramming.net/convolutional-neural-network-deep-learning-python-tensorflow-keras/

我尝试了以下代码并为我工作：

IMG_SIZE = 50

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

y = np.array(y)

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

【讨论】：

我还必须做 y = np.array(y)。

【解决方案3】：

所以这发生在更新版本的 tensorflow 上，我不确定从哪里开始，但我在 2.0.0 版上，同样的事情发生了

我假设您只是将 X 数组转换为 numpy 数组而是尝试使用 dtype 作为 np.uint8 将 'X' 和 'y' 转换为 numpy 数组

这应该可以解决问题

【讨论】：

感谢您的帮助，它现在非常适合我的程序。它表明我要降级我的 tensorflow 并且一切似乎都正常

【解决方案4】：

就我而言，问题仅出在 y 中。这是一个清单。在那种情况下，我不得不改变

y = np.array(y)

【讨论】：

【解决方案5】：

VIKI 已经给出了很好的答案。我正在添加更多信息。在我添加 np.array() 包装器之前，它也曾经让我的 colab 主机崩溃。

# Need to call np.array() around pandas dataframes.
# This crashes the colab host from TF attempting a 32GB memory alloc when np.array() wrappers are not used around pandas dataframes.
# Wrapping also cures warning about "Failed to find data adapter that can handle input"
history = model.fit(x=np.array(tr_X), y=np.array(tr_Y), epochs=3, validation_data=(np.array(va_X), np.array(va_Y)), batch_size=batch_size, steps_per_epoch=spe, validation_freq=5)

由于内存不足问题导致主机崩溃与此有关：

Tensorflow dense gradient explanation?

【讨论】：

【解决方案6】：

Mahmud 的回答修复了第 [30] 节中的 TensorFlow 教程“基本回归：预测燃油效率”错误。这些是 2 行：

改变这个：

example_batch = normed_train_data[:10]
example_result = model.predict(example_batch)

对此：

example_batch = np.array(normed_train_data[0:10]) 
example_result = model.predict(example_batch)

感谢马哈茂德

【讨论】：

【解决方案7】：

对于遇到此问题的人：

在将数据放入模型之前检查类型。例如，应该是

print(type(X)) 
# numpy.ndarray

代替

print(type(X))
# list

只需将 X 变换为

import numpy as np
X = np.array(X)

【讨论】：

【解决方案8】：

只需键入转换数组。

例如：

import numpy as np
features = np.array(features,dtype='float64')
labels = np.array(labels, dtype ='float64')

【讨论】：

【解决方案9】：

你需要像这样转换 X 和 y：

X = np.array(X).reshape(-1, 50, 50, 1)

对于你

y=np.array(y)

【讨论】：