Вопрос или проблема
Я следую за учебным пособием по обучению модели и столкнулся с ошибкой, решение которой мне не удалось найти.
Код для обучения модели приведен ниже:
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D
import pickle
X = pickle.load(open("X.pickle", "rb"))
y = pickle.load(open("y.pickle", "rb"))
X = X / 255.0
model = Sequential()
model.add(Conv2D(64, (3, 3), input_shape = X.shape[1:]))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size = (2, 2)))
model.add(Conv2D(64, (3, 3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size = (2, 2)))
model.add(Flatten())
model.add(Dense(64))
model.add(Dense(1))
model.add(Activation("sigmoid"))
model.compile(loss="binary_crossentropy",
optimizer="adam",
metrics = ['accuracy'])
model.fit(X, y, batch_size=32, validation_split=0.1)
И результат, который я получаю при запуске этого кода:
ValueError Traceback (most recent call
last) in
28 metrics = [‘accuracy’])
29
—> 30 model.fit(X, y, batch_size=32, validation_split=0.1)~\Miniconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\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,
validation_freq, max_queue_size, workers, use_multiprocessing,
**kwargs)
731 max_queue_size=max_queue_size,
732 workers=workers,
–> 733 use_multiprocessing=use_multiprocessing)
734
735 def evaluate(self,~\Miniconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py
in fit(self, model, x, y, batch_size, epochs, verbose, callbacks,
validation_split, validation_data, shuffle, class_weight,
sample_weight, initial_epoch, steps_per_epoch, validation_steps,
validation_freq, **kwargs)
215 validation_data=validation_data,
216 validation_steps=validation_steps,
–> 217 distribution_strategy=strategy)
218
219 total_samples = _get_total_number_of_samples(training_data_adapter)~\Miniconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\keras\engine\training_v2.py
in _process_training_inputs(model, x, y, batch_size, sample_weights,
class_weights, steps_per_epoch, validation_split, validation_data,
validation_steps, shuffle, distribution_strategy)
468 ‘at same time.’)
469
–> 470 adapter_cls = data_adapter.select_data_adapter(x, y)
471
472 # Handle validation_split, we want to split the data and get the training~\Miniconda3\envs\tensorflow\lib\site-packages\tensorflow_core\python\keras\engine\data_adapter.py
in select_data_adapter(x, y)
446 “Не удалось найти адаптер данных, который может обработать ”
447 “вход: {}, {}”.format(
–> 448 _type_name(x), _type_name(y)))
449 elif len(adapter_cls) > 1:
450 raise RuntimeError(ValueError: Не удалось найти адаптер данных, который может обработать вход: , (содержащий значения типов {“”})
Заранее спасибо, если вы можете помочь мне понять, где проблема.
Что-то не так с вашими данными. {""} означает, что у вас есть словарь Python, который содержит только пустую строку.
Ответ или решение
Ошибка Keras "Failed to find data adapter that can handle input" является достаточно распространенной проблемой, возникающей при попытке обучить модель. Она указывает на то, что Keras не может найти подходящий адаптер для ваших входных данных. Давайте разберем основные причины этой ошибки, а также возможные способы её устранения.
Причины и решение проблемы
-
Неподходящие типы данных: Согласно ошибке, Keras не смог обработать ваши входные данные. Это может происходить по нескольким причинам, среди которых:
- Неверный формат массива
Xилиy. Убедитесь, чтоXиyпредставляют собой NumPy массивы или структуры данных, которые Keras может обработать (например, списки или TensorFlow тензоры).
Решение: Преобразуйте ваши данные в формат NumPy:
import numpy as np X = np.array(X) y = np.array(y) - Неверный формат массива
-
Проблемы с размерностью: Если ваши данные имеют неправильную форму (или размерность), это также может приводить к данной ошибке. Убедитесь, что
Xимеет форму(количество_образцов, ширина, высота, количество_каналов), аy— заготовленным данным, соответствующим размеру выборки.Решение: Проверьте и измените размерности, если это необходимо:
print(X.shape) # Должно быть (число_образцов, высота, ширина, количество_каналов) print(y.shape) # Должно быть (число_образцов,) -
Проблемы с данными: Ваши данные могут содержать некорректные значения, такие как NaN или пустые строки, что может также вызвать ошибку.
Решение: Проверьте целостность данных:
print(np.isnan(X).sum()) # Проверка на NaN print(np.any(X == '')) # Проверка на пустые строки -
Диски корреляции между X и y: Важно, чтобы длины массивов
Xиyсовпадали. Например, еслиXсодержит 1000 изображений,yдолжен содержать 1000 меток.Решение: Проверьте длины:
assert len(X) == len(y), "Длина X и y должна совпадать!" -
Сохранение данных с помощью Pickle: Убедитесь, что данные сохранялись и загружались правильно. Поскольку вы используете
pickle, возможно, в момент загрузки данных произошла ошибка.Решение: Проверьте данные после загрузки:
print(f"X: {type(X)} {X.shape if hasattr(X, 'shape') else 'Не имеет shape'}") print(f"y: {type(y)} {y.shape if hasattr(y, 'shape') else 'Не имеет shape'}")
Заключение
Ошибка "Failed to find data adapter that can handle input" может быть вызвана различными факторами, связанными с входными данными. Методично проверьте и устраняйте возможные проблемы с типами и форматами данных, размерами массивов и целостностью данных. В большинстве случаев правильные проверки и преобразования данных помогут вам успешно обучить вашу модель без дальнейших ошибок. Если после выполнения всех рекомендаций проблема сохраняется, рассмотрите возможность обращения на специализированные форумы или сообщества, такие как Stack Overflow, где вы сможете найти дополнительную помощь.