Tflearns .fit() 方法与 numpy.ndarrays 导致 TypeError答案

【问题标题】：Tflearns .fit() method with numpy.ndarrays causing TypeErrorTflearns .fit() 方法与 numpy.ndarrays 导致 TypeError
【发布时间】：2018-04-30 14:35:35
【问题描述】：

所以我在执行下面的代码时收到此错误TypeError: unhashable type: 'numpy.ndarray'。我搜索了 Stackoverflow，但没有找到解决问题的方法。目标是通过 mnist 数据集对数字进行分类。错误出现在 modell.fit() 方法中（来自 tflearn）。如果需要，我可以附上错误的完整错误消息。我也尝试过将 x 和 y 标签放在字典中并用它进行训练的方法，但它引发了另一条错误消息。（注意我在这段代码中排除了我的预测函数）。

代码：

import tflearn.datasets.mnist as mnist
x,y,X,Y=mnist.load_data(one_hot=True)
x=x.reshape([-1,28,28,1])
X=X.reshape([-1,28,28,1])
import tflearn


class Neural_Network():
    def __init__(self,x,y):
        self.x=x
        self.y=y
        self.epochs=60000

    def main(self):
        cnn=tflearn.layers.core.input_data(shape=[None,28,28,1],name="input_layer")
        cnn=tflearn.layers.conv.conv_2d(cnn,32,2, activation="relu")
        cnn=tflearn.layers.conv.max_pool_2d(cnn,2)
        cnn=tflearn.layers.conv.conv_2d(cnn,32,2, activation="relu")
        cnn=tflearn.layers.conv.max_pool_2d(cnn,2)
        cnn=tflearn.layers.core.flatten(cnn)
        cnn=tflearn.layers.core.fully_connected(cnn,1000,activation="relu")        
        cnn=tflearn.layers.core.dropout(cnn,0.85)
        cnn=tflearn.layers.core.fully_connected(cnn,10,activation="softmax")
        cnn=tflearn.layers.estimator.regression(cnn,learning_rate=0.001)
        modell=tflearn.DNN(cnn)
        modell.fit(self.x,self.y)
        modell.save("mnist.modell")


nn=Neural_Network(x,y)    
nn.main()
nn.predict(X[1])
print("Label for prediction:",Y[1])

【问题讨论】：

标签： python-3.x mnist tflearn numpy-ndarray

【解决方案1】：

所以问题自行解决了。我只重新启动了我的 Jupiter-Notebook，一切正常。但是有一些例外：1.每次我想重新训练网络时，我都必须重新启动内核，2.当我尝试加载保存的模型时出现另一个错误，所以我无法继续工作（错误是@987654321 @)。我将针对这个问题提出另一个问题。结论：如果出现问题，请尝试重新安装 Jupiter Notebook。如果您想训练 ANN，请重新启动您的内核。

【讨论】：