但愿有人能明白我标题的意思,因为自己在找相关解决办法的时候这样搜没有找到,所以写这篇博客记录下。
问题:
我要放入模型中的训练集和标签是这样的(都是numpy格式的文件):
标签集中共有1926个标签,10个类别,(类别前边的数字,代表的是对应的第几张图片)。
然后,直接把他放进模型中训练,但是把标签数组转换成张量的过程中出现了类型不匹配问题
-
Ytr = np.load('train1/'+'Ytr01.npy',allow_pickle=True)
-
y_data = torch.from_numpy(Ytr).reshape(1926,).type(torch.FloatTensor)
-
Traceback (most recent call last):
-
File "train.py", line 81, in <module>
-
y_data = torch.from_numpy(Ytr).reshape(1926,).type(torch.FloatTensor) #
-
TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: float64, float32, float16, int64, int32, int16, int8, uint8, and bool.
那么,接下来就是解决TypeError: can't convert np.ndarray of type numpy.object_.
思路就是把原标签集中标签的类型改为上述错误中的任一基本类型,可以直接将标签集中的每个类别转换成一个整数。
这里要用到sklearn.preprocessing
.Labe