为什么我得到函数调用堆栈：train_function 错误答案

【问题标题】：Why I get Function call stack: train_function error为什么我得到函数调用堆栈：train_function 错误
【发布时间】：2021-04-07 04:22:15
【问题描述】：

我正在尝试训练一个简单的神经网络，但遇到了这个错误，我尝试了一些在类似问题中找到的其他答案，但没有奏效。我想在 TYPE=0 或 TYPE=1 之间进行分类。最后的链接是我的训练数据集的示例。

tensorflow.python.framework.errors_impl.UnimplementedError:  Cast string to float is not supported
     [[node sequential/Cast (defined at /Users/Administrator/Desktop/New folder/ne.py:31) ]] [Op:__inference_train_function_587]

Function call stack:
train_function

这是我的神经网络代码

 model = keras.Sequential([
    keras.layers.Dense(1560, input_shape=(6,), activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
])

    model.compile(optimizer='adam', loss=keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])
    
    model.fit(X_train, y_train, batch_size=1,epochs=5)

Here is an example of my dataset excel格式希望对你有帮助

        MPF      MF    PSD   F95    BMI  PARITY TYPE
e001_1  0.0048  0.005   6   0.008   27.6    2   1
e001_2  0.0077  0.005   6   0.008   27.6    2   1
e001_3  0.004   0.005   6   0.008   27.6    2   1
e001_4  0.0024  0.004   6   0.008   27.6    2   1
e001_5  0.0025  0.004   6   0.008   27.6    2   1
e001_6  0.0034  0.004   6   0.008   27.6    2   1
e003_1o 7.52E-04    5.45E-04    6   0.001089918 34  0   0
e003_1o 5.31E-04    5.45E-04    6   0.001089918 34  0   0
e003_1o 6.49E-04    5.45E-04    6   0.001089918 34  0   0
e003_1o 9.98E-04    5.45E-04    6   0.001089918 34  0   0
e003_1o 0.001258642 5.45E-04    6   0.001089918 34  0   0
e003_1o 5.76E-04    5.45E-04    6   0.001089918 34  0   0

【问题讨论】：

欢迎堆栈溢出。请在您的问题文本中提供您的示例数据，而不是图片或外部链接。请注意，您的错误不是train_function，而是训练中的错误是"Cast string to float is not supported"
希望现在更好，我该如何解决这个错误？
7.52E-04 等值是浮点数还是字符串？
浮点数 6.49E-04=6.49*10^-(4)

标签： python tensorflow keras neural-network artificial-intelligence

【解决方案1】：

您没有提供加载 csv 文件的方式，因此很难确切知道发生了什么。

我稍微修改了您的代码并使用 pandas 加载数据，它确实有效。

这里是代码

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.layers.experimental import preprocessing
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
import datetime

example_ds = pd.read_csv(
    "Example.csv")

print(example_ds)

y_train = example_ds.loc[:, 'TYPE']
x_train = example_ds.loc[:, 'MPF': 'PARITY']

model = keras.Sequential([
    keras.layers.Dense(1560, input_shape=(6,), activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
])

model.compile(optimizer='adam', loss=keras.losses.BinaryCrossentropy(from_logits=True), metrics=['accuracy'])
    
model.fit(x_train, y_train, batch_size=1,epochs=5)

【讨论】：