ValueError：无法使用 tensorflow CNN 将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）答案

【问题标题】：ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray) with tensorflow CNNValueError：无法使用 tensorflow CNN 将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）
【发布时间】：2020-11-22 22:49:22
【问题描述】：

我正在尝试构建一个模型，该模型可以对图片是否有动物进行分类，但我在处理数据时遇到了问题。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: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray). 在线 model.fit(X_train, y_train)。关于为什么会发生这种情况的任何想法？

我看过这篇帖子Tensorflow - ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float)，但解决方案对我不起作用，即像这样转换火车和测试np.asarray(X).astype(np.float32)（这会引发另一个错误ValueError: setting an array element with a sequence.）

由于错误是抱怨无法将 np.array 转换为张量，因此我尝试使用 tf.convert_to_tensor() 函数，但这会导致另一个错误：ValueError: Can't convert non-rectangular Python sequence to Tensor.

有人知道这里到底发生了什么吗？

【问题讨论】：

标签： python tensorflow machine-learning keras scikit-learn

【解决方案1】：

好的，我想通了。

首先，尺寸 (1088, 1920) 的图像非常大。出于测试目的，我使用 cv2.resize() 将其重塑为 (68, 120) （我摆脱了 Reshape() 层）。这以某种方式解决了我的尺寸问题。例如，X_train 不再是 (1846,) 而是 (1846, 68, 120, 3)。

由于我摆脱了 Reshape() 层，我指定了第一个 Conv2D 层，其 input_size 为 (68, 120, 3)，现在它可以工作了！

【讨论】：