来自 TF 的 Keras：损失为 NaN 并且无法找到可以处理输入的数据适配器：<class 'pandas.core.frame.DataFrame'>, <class 'NoneType'>答案

【问题标题】：Keras from TF : loss is NaN and Failed to find data adapter that can handle input: <class 'pandas.core.frame.DataFrame'>, <class 'NoneType'>来自 TF 的 Keras：损失为 NaN 并且无法找到可以处理输入的数据适配器：<class 'pandas.core.frame.DataFrame'>, <class 'NoneType'>
【发布时间】：2020-10-14 11:03:01
【问题描述】：

我试图找到一些可以解决我的问题的解决方案，但目前它们都不起作用。（如Tensorflow ValueError: Failed to find data adapter that can handle input）

我正在通过 Keras（来自 TF）使用具有输入形状： (5000, 1) 和输出形状(5000, 16) 的自定义数据集进行神经网络。输入是时间和周期数，输出是 16 个灯中每个灯的状态（0 表示关闭或 1 表示打开）。我使用 Adam 作为优化器，我的损失是 'categorical_crossentropy'（也许我在使用这个时出错了......我不确定）。

所以问题是当我尝试训练我的网络时出现以下错误消息：

WARNING:tensorflow:Falling back from v2 loop because of error: Failed to find data adapter that can handle input: <class 'pandas.core.frame.DataFrame'>, <class 'NoneType'>

但通常我的输入和输出都是<class 'pandas.core.frame.DataFrame'>

而我的损失是loss: nan。这有点令人沮丧，因为我不知道我的错误来自哪里。

如果您知道出了什么问题？如果代码太混乱，我可以提供。

提前谢谢你！

编辑：按照要求，这是我的代码：

    import pandas as pd
    import tensorflow as tf
    
    from tensorflow.keras.models import Model
    from tensorflow.keras.layers import Input, Dense
    
    # Read csv file into a pandas dataframe
    data= pd.read_excel(r'/datasetV07clear16lamps.xlsx') 
    
    #Index by time
    data.sort_values("Time") 
    print(data.isnull().any() )
    
    #split the dataset 
    train=data[0:5000]
    test=data[5000:]
    print(train.shape)
    print(test.shape)
    
    ## split the dataset into train and test dataset
    # create train dataset
    X1_train=train[['Time']]
    X2_train=train[['cycle']]
y_train=train[['L1green','L1orange','L1red','L1blink','L2green','L2orange','L2red','L2blink','L3green','L3orange','L3red','L3blink','L4green','L4orange','L4red','L4blink']]
    
    #create test dataset
    X1_test=test[['Time']]
    X2_test=test[['cycle']] 

y_test=test[['L1green','L1orange','L1red','L1blink','L2green','L2orange','L2red','L2blink','L3green','L3orange','L3red','L3blink','L4green','L4orange','L4red','L4blink']]

    # Define the input
    input_tensor = Input(shape=(2,))
    
    # Define the output
    output_tensor = Dense(16)(input_tensor)
    
    # Create a model
    model = Model(input_tensor, output_tensor)
    
    # Compile the model
    model.compile(optimizer='adam', loss='categorical_crossentropy')
    
    # Fit the model
    model.fit(train[['Time','cycle']], train[['L1green','L1orange','L1red','L1blink','L2green','L2orange','L2red','L2blink','L3green','L3orange','L3red','L3blink','L4green','L4orange','L4red','L4blink']], verbose=True, batch_size=16384, epochs=100)

【问题讨论】：

为了更好地在这里获得帮助，我建议您显示您的代码并指出错误所在的行。
Keras 无法将数据帧作为输入处理，df.values 将为您提供 Keras 可以使用的 numpy 数组中的值。另外，您说您使用分类交叉熵作为损失函数，如果一次只能打开一个灯（它预测哪个灯打开），此损失函数很有用。如果可以打开多个灯，请改用二元交叉熵。此外，如果您要预测二进制值，请使用 sigmoid 作为最终密集层的激活。

标签： python pandas tensorflow neural-network tf.keras

【解决方案1】：

我找到了解决方案：

首先使用 sklearn.preprocessing 中的 StandardScaler 进行特征缩放（用于输入和输出）。然后我不是为所有行做 1 nn，而是为每行做一个 nn。

我仍然不知道为什么我收到错误消息“Failed to find data adapter that can handle input: <class 'pandas.core.frame.DataFrame'>, <class 'NoneType'>

【讨论】：