首页 文章

Keras AttributeError：'list'对象没有属性'ndim'

提问于
浏览 次
4

我在Jupyter Notebook（Python 3.6）中运行Keras神经网络模型

我收到以下错误

AttributeError：'list'对象没有属性'ndim'

从Keras.model调用.fit（）方法之后

model  = Sequential()
model.add(Dense(5, input_dim=len(X_data[0]), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)

我检查了Keras（在Anaconda3中）的requirements.txt文件，numpy，scipy和six模块版本都是最新版本 .

什么可以解释这个AttributeError？

完整的错误消息如下（似乎与Numpy有点相关）：

------------------------------------------------- -------------------------- AttributeError Traceback（最近一次调用last）in（）3 model.add（Dense（1，activation ='sigmoid） '））4 model.compile（loss ='mean_squared_error'，optimizer ='adam'，metrics = ['acc']）----> 5 model.fit（X_data，y_data，epochs = 20，batch_size = 10） 〜\ Anaconda3 \ lib \ site-packages \ keras \ models.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，** kwargs）963 initial_epoch = initial_epoch，964 steps_per_epoch = steps_per_epoch， - > 965 validation_steps = validation_steps）966 967 def evaluate（self，x = None，y = None，〜\ Anaconda3 \ lib \ site-packages \ 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，** kwargs）1591 class_weight = class_weight，1592 check _batch_axis = False， - > 1593 batch_size = batch_size）1594＃准备验证数据 . 1595 do_validation = False〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in _standardize_user_data（self，x，y，sample_weight，class_weight，check_batch_axis，batch_size）1424 self._feed_input_shapes，1425 check_batch_axis = False， - > 1426 exception_prefix ='input'）1427 y = _standardize_input_data（y，self._feed_output_names，1428 output_shapes，〜\ Anaconda3 \ lib \ site-packages \ keras \ engine \ training.py in _standardize_input_data（data，names，shapes，check_batch_axis，exception_prefix ）68 elif isinstance（data，list）：69 data = [x.values if x.class.name =='DataFrame'else x for x in data] ---> 70 data = [np.expand_dims（x，1 ）如果x不是None而x.ndim == 1其他x代表数据中的x]其他：72 data = data.values if data.class.name =='DataFrame'else data~ \ Anaconda3 \ lib \ site- packages \ keras \ engine \ training.py in（.0）68 elif isinstance（data，list）：69 data = [x.values if x.class.name =='DataFrame'use x for x in data] - - > 70 data = [np.expand_dims（x，1）如果x不是None而x.ndim == 1其他x表示数据中的x]其他：72 data = data.values if data.class.name =='DataFrame'else data AttributeError：'list'对象没有属性'ndim'

python tensorflow machine-learning keras jupyter-notebook

2 回答

  • 17

    model.fit 期望 x 和 y 是numpy数组 . 好像你传递了一个列表，它试图通过读取numpy数组的 ndim 属性来获得输入的形状并且失败了 .

    你可以使用 np.array 简单地转换它：

    import numpy as np
...
model.fit(np.array(train_X),np.array(train_Y), epochs=20, batch_size=10)
    回复于
  • 0

    我不知道您的训练数据的形状，但我怀疑您的 input_dim 上有错误 . 尝试将其更改为 input_dim=len(X_data) ，如下所示：

    model  = Sequential()
model.add(Dense(5, input_dim=len(X_data), activation='sigmoid' ))
model.add(Dense(1, activation = 'sigmoid'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['acc'])
model.fit(X_data, y_data, epochs=20, batch_size=10)
    回复于

相关问题