我只是Tensorflow的初学者。

我正在尝试运行一个分类模型，该模型接受多个numpy数组作为输入，并将它们分类到两个可能的类别中。但我无法使其运行。我查看了教程和其他讨论，但没有得到任何启发。有人知道如何创建一个接受多个参数数组的模型吗？

feedmag、feedlat、feedtime和feedlong都是numpy数组

这是错误信息：

label_ids format(labels.dtype))

ValueError: Labels dtype should be integer. Instead got .

这是我的代码。

for i in range (0,34):    labels = np.append(labels,int(1));for i in range (0,34):    labels = np.append(labels,int(2));    feature = {'magnitude':  feedmag,            'time':  feedtime,            'latitude': feedlat,            'longitude':  feedlong} my_feature_columns = [] for key in feature.keys(): my_feature_columns.append(tf.feature_column.numeric_column(key=key))classifier = tf.estimator.DNNClassifier(   feature_columns=my_feature_columns,    # Two hidden layers of 10 nodes each.   hidden_units=[10, 10],   n_classes = 4;    # The model must choose between 3 classes.    optimizer=tf.train.ProximalAdagradOptimizer(  learning_rate=0.1,  l1_regularization_strength=0.001))with tf.Session() as session:    train_input_fn = tf.estimator.inputs.numpy_input_fn(  feature,  labels,  num_epochs=1,  shuffle=True,  batch_size=33)    test_input_fn = tf.estimator.inputs.numpy_input_fn(        feature,        labels,        num_epochs=1,        shuffle=False,        batch_size=33)classifier.train(input_fn = lambda: train_input_fn)print('starting')print(classifier.evaluate(  input_fn=test_input_fn, steps = 33))print("ending")print(tf.VERSION)

回答：

尝试更改这一行：

classifier.train(input_fn = lambda: train_input_fn)

改为…

classifier.train(input_fn=train_input_fn)

解释：train_input_fn 将numpy数组转换为张量（这是tensorflow所期望的），而lambda: train_input_fn 是一个返回train_input_fn 函数的函数。