【问题标题】:ValueError: invalid literal for float() KerasValueError:float() Keras 的无效文字
【发布时间】:2018-02-19 00:01:01
【问题描述】:

我正在使用 keras 构建一个简单的神经网络。

训练数据的每个元素都有 100 个维度,我正在从文本文件中读取元素的标签。

f = open('maleE', "rt")
labelsTrain = [line.rstrip() for line in f.readlines()]
f.close()

标签是具有以下结构的字符串:number_text

在训练数据上拟合模型:

model.fit(train, labelsTrain, epochs= 20000, batch_size= 1350)

我收到以下错误:

File "DNN.py", line 112, in <module>
    model.fit(train, labelsTrain, epochs=20000, batch_size=1350)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/keras/models.py", line 867, in fit
    initial_epoch=initial_epoch)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/keras/engine/training.py", line 1598, in fit
    validation_steps=validation_steps)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/keras/engine/training.py", line 1183, in _fit_loop
    outs = f(ins_batch)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/keras/backend/tensorflow_backend.py", line 2273, in __call__
    **self.session_kwargs)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 889, in run
    run_metadata_ptr)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 1087, in _run
    np_val = np.asarray(subfeed_val, dtype=subfeed_dtype)
  File "/Users/renzo/PyEnvironments/tensorKeras/lib/python2.7/site-packages/numpy/core/numeric.py", line 531, in asarray
    return array(a, dtype, copy=False, order=order)
ValueError: invalid literal for float(): 225_sokode

标签是 378 个标签列表中的第 279 个元素。

【问题讨论】:

  • 您的某个输入似乎有一个不是有效浮点数的字符。

标签: python tensorflow neural-network keras model-fitting


【解决方案1】:

首先,为每个班级选择一个唯一的名称。我这样说是因为我不知道您的班级标签中的number 是什么(如果每个班级的名称不同,请使用str.split() 来保留text)。然后你应该编码你的字符串标签。例如,标签的 One-hot 编码见this post

【讨论】:

    猜你喜欢
    • 2013-01-15
    • 1970-01-01
    • 1970-01-01
    • 2018-06-08
    • 2017-10-13
    • 1970-01-01
    • 2018-03-01
    • 2018-08-02
    • 2021-12-28
    相关资源
    最近更新 更多