TypeError：“Mul”Op 的输入“y”的类型为 float32，与参数“x”的类型 float64 不匹配答案

【问题标题】：TypeError: Input 'y' of 'Mul' Op has type float32 that does not match type float64 of argument 'x'TypeError：“Mul”Op 的输入“y”的类型为 float32，与参数“x”的类型 float64 不匹配
【发布时间】：2019-01-19 16:55:50
【问题描述】：

Google Colab (python 2.7) 或我的本地系统 (python 3.6) 上的 Tensorflow 1.10 使用来自https://www.tensorflow.org/guide/keras 的示例代码代码是

import numpy as np
import tensorflow as tf
from tensorflow import keras

data = np.random.random((1000, 32))
labels = np.random.random((1000, 10))
dataset1 = tf.data.Dataset.from_tensor_slices((data, labels))
dataset1 = dataset1.batch(32)
dataset1 = dataset1.repeat()

model = keras.Sequential()
model.add(keras.layers.Dense(64, activation='relu'))
model.add(keras.layers.Dense(64, activation='relu'))
model.add(keras.layers.Dense(10, activation='softmax'))

model.compile(optimizer=tf.train.AdamOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

model.fit(dataset1, epochs=10, steps_per_epoch=30)

抛出以下错误：

    Error TypeError: Input 'y' of 'Mul' Op has type float32 that does not match type float64 of argument 'x'.

packages/tensorflow/python/framework/op_def_library.pyc in _apply_op_helper(self, op_type_name, name, **keywords)
    544                   "%s type %s of argument '%s'." %
    545                   (prefix, dtypes.as_dtype(attrs[input_arg.type_attr]).name,
--> 546                    inferred_from[input_arg.type_attr]))
    547 
    548           types = [values.dtype]

TypeError: Input 'y' of 'Mul' Op has type float32 that does not match type float64 of argument 'x'.

【问题讨论】：

尝试使用data.astype(np.float32) 将您的输入数据和标签转换为float32。
我尝试使用 tf.cast 将所有列强制转换为 float64 和 float32，然后给出错误“列表索引超出范围”
我无法让数据集作为 Keras 模型的输入。在张量流 1.10
更改数据 = np.random.random((2000,32)) data.astype(np.float32) 错误 \site-packages\tensorflow\python\ keras\engine\training_arrays.py in fit_loop （模型，...，详细，回调，val_inputs，val_targets，val_sample_weights，shuffle，callback_metrics，initial_epoch，steps_per_epoch，validation_steps）175 indices_for_conversion_to_dense = [] 176 for i in range(len(feed)): --> 177 if issparse is not None and issparse(ins[i]) and not K.is_sparse(feed[i]): 178 indices_for_conversion_to_dense.append(i) IndexError: list index out of range

标签： python tensorflow keras dataset

【解决方案1】：

我遇到了同样的问题，我假设model 中使用的默认数据类型是float32，而numpy 的默认数据类型是float64，而from_tensor_slices 保留了该类型。要修复它，只需更改您的代码：

data = np.random.random((1000,32))
labels = np.random.random((1000,10))

到

data = np.random.random((1000,32)).astype(np.float32)
labels = np.random.random((1000,10)).astype(np.float32)

但我确实认为，作为教程中的一段示例代码，tensorflow 应该确保它运行。

更新：有一个与此相关的已关闭问题：https://github.com/tensorflow/tensorflow/issues/22207

【讨论】：

【解决方案2】：

我遇到了类似的问题。我用这个代码sn-p。

model.compile(optimizer=opt,
          loss=keras.losses.categorical_crossentropy)

我猜 Keras 中的损失函数只需要 'float' 类型（我没有检查源代码）。为了解决这个问题，我在输出层的末尾再添加一层。

decoder_outputs = Lambda(lambda x: K.cast(x, 'float32'), name='change_to_float')(decoder_outputs)

希望这会有所帮助。

【讨论】：