Tensorflow - ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型 float）

背景

您正在尝试训练一个包含列表列表的模型，每个列表包含 1000 个浮点数，但遇到错误“无法将 NumPy 数组转换为张量（不支持的对象类型浮点）。”

原因和解决方案

Tensorflow 要求输入数据采用张量形式，而不是列表形式。在这种情况下，错误是由于您将列表作为模型的输入传递而引起的。要解决此问题，请使用以下代码将训练数据转换为 NumPy 数组：

x_train = np.asarray(x_train).astype('float32')

确保您的数据正确格式化，解决诸如分类、NaN 和字符串等问题。此外，验证模型的输入和输出形状是否与其预期的数据维度一致。

对于 LSTM 模型，预期的数据维度为（batch_size、时间步长、特征）。您可以使用以下代码打印模型输入和输出的形状：

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

要调试数据问题，请打印输入和输出数据的形状以确认它们符合预期格式。此外，请考虑使用 Spyder 等支持基于单元格执行的 IDE 以方便调试。