فشل تحويل مصفوفة NumPy إلى Tensor

عند مواجهة الخطأ "فشل تحويل مصفوفة NumPy إلى Tensor (نوع الكائن غير مدعوم )"، من المهم تحديد الأسباب المحتملة المتعلقة بإعداد البيانات وتعريف النموذج.

إعداد البيانات

يتوقع TensorFlow أن تكون بيانات الإدخال بتنسيق معين. في هذه الحالة، بالنسبة لنماذج LSTM، يجب أن تحتوي البيانات على أبعاد (num_samples، timesteps،channels). تأكد من تنسيق بيانات التدريب x_train بشكل صحيح. يمكن أن يساعد تحويل بياناتك إلى مصفوفة NumPy باستخدام x_array = np.asarray(x_list) والتحقق من شكلها في التحقق من أبعادها.

علاوة على ذلك، تأكد من معالجة بياناتك بشكل صحيح. تعامل مع أي متغيرات فئوية أو قيم مفقودة (NaNs) أو سلاسل بشكل مناسب.

تعريف النموذج

تحقق من تعريف نموذج LSTM الخاص بك بشكل صحيح. يجب أن يتطابق شكل الإدخال لطبقة LSTM الأولى مع شكل بيانات الإدخال الخاصة بك، والتي يمكنك تحديدها باستخدام الكود التالي:

[print(i.shape, i.dtype) for i in model.inputs]

وبالمثل، تحقق من شكل الإخراج ونوع البيانات لكل طبقة في النموذج للتأكد من توافقها مع توقعاتك:

[print(o.shape, o.dtype) for o in model.outputs]

نصائح التصحيح

لتصحيح المشكلة بشكل أكبر، جرب ما يلي:

• استخدم الدالة print(l.name و l.input_shape و l.dtype) لـ l في model.layers لعرض الاسم وشكل الإدخال ونوع البيانات لكل طبقة. يمكن أن يساعد هذا في تحديد أي حالات عدم تطابق في الأبعاد أو أنواع البيانات.
• قم بتوسيع بيانات الإدخال الخاصة بك إلى الشكل الصحيح. في حالتك، إذا كان x_train الأصلي يحتوي على أبعاد (num_samples، timesteps)، فاستخدم x_train = np.expand_dims(x_train, -1) لإضافة بُعد قناة. وبالمثل، تحقق مما إذا كانت بياناتك المستهدفة، y_train، بحاجة إلى إعادة تشكيل.
• قم بإرسال بياناتك إلى نوع بيانات مدعوم. تأكد من أن بياناتك من النوع float32 أو float64 لتكون متوافقة مع TensorFlow. استخدم x = np.asarray(x).astype('float32') للتحويل.

باتباع هذه الخطوات، يمكنك حل الخطأ وتدريب النموذج الخاص بك بنجاح.