如何将“对象”的 dtype 更改为 float32？答案

【问题标题】：How to change the dtype of an "object" to float32?如何将“对象”的 dtype 更改为 float32？
【发布时间】：2019-12-13 16:42:05
【问题描述】：

我实际上是在尝试编写一个 Keras 模型。在我看来，keras 模型需要一个 np.arrays 列表作为 x （或 Numpy 数组）。在我的情况下，x 看起来像这样：

print(training.dtype)

对象

print(training.shape)

(406,)

print(training[0].dtype)

float64

print(training[0].shape)

(5140, 5)

这是我的训练数据 (x) 的大小。如果我想训练模型，我会收到此错误：

返回数组(a, dtype, copy=False, order=order)

ValueError: 使用序列设置数组元素。

这就是为什么我认为，我准备的数据错误。如果我想用 .astype 将它们转换为 float32，我会得到同样的错误。

感谢您的帮助！

【问题讨论】：

检查用于制作train2的物品的长度或形状。看起来它们的大小不同。
你试过train2 = np.array(train2)吗？它说什么？
@hpaulj 是的，它们的大小各不相同。这是我的模型的问题吗？
@sebrockm 是的，我之前做过几行。它编译没有错误。
@MareSeestern 是的，不同的尺寸是个问题。对你的模型来说不是那么多，而是对 numpy.您将需要截断大数组或向小数组添加填充。如果您将它们全部设为相同大小（例如(1140, 9)），那么np.array() 将生成一个大小为(907, 1140, 9) 的单个numpy 数组，这是model.fit() 所期望的。

【解决方案1】：

如果train2 中的条目大小不同，则需要填充它们。由于这是需要定期完成的事情，Keras 为此提供了一个功能：pad_sequences

一旦它们的大小都相同，np.array(train2) 将创建一个可以传递给 model.fit() 的单个 numpy 数组。

根据您的模型，您以这种方式添加的额外数据可能会或可能不会成为问题。处理此问题的常用方法是Masking。使用它来生成一个掩码，该掩码将自动传递给模型，以便忽略某些值（您通过填充添加的值）。但是请注意，并非所有图层都支持遮罩，所以这可能不适合您。

【讨论】：

【解决方案2】：

问题不在于更改类型。问题在于批次样本的大小不同，因此无法创建 np 数组。您可以通过使用 cmets 中提到的填充来解决此问题。看看keraspad_sequencesWhat does Keras.io.preprocessing.sequence.pad_sequences do?

【讨论】：