不可更改类型：十位中的“numpy.ndarray”错误

Question

data = pd.read_excel("/Users/madhavthaker/Downloads/Reduced_Car_Data.xlsx")

train = np.random.rand(len(data)) < 0.8

data_train = data[train]
data_test = data[~train]


x_train = data_train.ix[:,0:3].values
y_train = data_train.ix[:,-1].values
x_test = data_test.ix[:,0:3].values
y_test = data_test.ix[:,-1].values

y_label = tf.placeholder(shape=[None,1], dtype=tf.float32, name='y_label')
x = tf.placeholder(shape=[None,3], dtype=tf.float32, name='x')
W = tf.Variable(tf.random_normal([3,1]), name='weights')
b = tf.Variable(tf.random_normal([1]), name='bias')
y = tf.matmul(x,W)  + b

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    summary_op = tf.summary.merge_all()
    #Fit all training data
    for epoch in range(1000):
        sess.run(train, feed_dict={x: x_train, y_label: y_train})

        # Display logs per epoch step
        if (epoch+1) % display_step == 0:
            c = sess.run(loss, feed_dict={x: x_train, y_label:y_train})
            print("Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(c), \
                "W=", sess.run(W), "b=", sess.run(b))

    print("Optimization Finished!")
    training_cost = sess.run(loss, feed_dict={x: x_train, y_label: y_train})
    print("Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n')

错误如下：

x---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-37-50102cbac823> in <module>()
      6     #Fit all training data
      7     for epoch in range(1000):
----> 8         sess.run(train, feed_dict={x: x_train, y_label: y_train})
      9 
     10         # Display logs per epoch step

TypeError: unhashable type: 'numpy.ndarray'

下面是我正在输入的两个numpy数组的形状：

y_train.shape = (78,)
x_train.shape = (78, 3)

我不知道是什么引起的。我所有的形状都匹配，我不应该有任何问题。如果你需要更多的信息请告诉我。

编辑：从我对下面一个答案的评论来看，似乎我必须为占位符指定特定的大小。None不令人满意。当我改变它并重新运行代码时，一切正常。仍然不太清楚为什么。

Answer 1

请仔细检查您输入的数据类型，以及由“tf.placeholder（…）”定义的张量“x/y_train””x/y_label“”

我也遇到过同样的问题。原因是我代码中的x_train是“np.float64”，但我用tf.placeholder（）定义的是tf.float32。日期类型float64和float32不匹配。

Answer 2

在我的例子中，问题是将输入参数命名为与占位符变量相同的名称。当然，这会将tensorflow变量替换为输入变量；从而为feed dict生成不同的键

tensorflow变量是可散列的，但输入参数（np.ndarray）不是。因此，不可更改的错误是试图将参数作为键而不是tensorflow变量传递的结果。我想说的一些代码：

a = tf.placeholder(dtype=tf.float32, shape=[1,2,3])
b = tf.identity(a)

with tf.Session() as sess:
    your_var = np.ones((1,2,3))
    a = your_var
    sess.run(b, feed_dict={a: a})

希望这有助于任何人在这个问题上绊倒在未来！

Answer 3

我认为问题在于词典的定义。字典键必须是“哈希类型”，例如数字、字符串或元组是常见的。列表或数组不起作用：

In [256]: {'x':np.array([1,2,3])}
Out[256]: {'x': array([1, 2, 3])}
In [257]: x=np.array([1,2,3])
In [258]: {x:np.array([1,2,3])}
...
TypeError: unhashable type: 'numpy.ndarray'

我对tensorflow的了解不够，不知道这是什么：

y_label = tf.placeholder(shape=[None,1], dtype=tf.float32, name='y_label')
x = tf.placeholder(shape=[None,3], dtype=tf.float32, name='x')

错误表明它们是numpy数组，而不是字符串。x是否具有name属性？

或者字典应该指定为：

{'x': x_train, 'y_label': y_train}