来自 TF 的 Keras：损失是 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'>

Question

我试图找到一些应该可以解决我的问题的解决方案，但目前 none 正在工作。 （喜欢）

我正在通过 Keras（来自 TF）使用输入形状为 (5000, 1) 且输出形状为 (5000, 16) 的自定义数据集来构建神经网络。 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此错误消息：

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从何而来。

如果您知道出了什么问题？如果它太混乱，我可以提供我的代码。

提前致谢！

编辑：根据要求，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)

Answer 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）。然后我没有为所有行做 1 nn，而是为每一行做一个 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'>