unhashable type: 'numpy.ndarray " erreur dans le tensorflow

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')

Voici l'erreur:

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'

Ici sont les formes que sur les deux tableaux numpy que je suis saisie:

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

Je n'ai aucune idée de ce qui est à l'origine. Tous mes formes correspondent et que je ne devrais pas avoir de problèmes. Laissez-moi savoir si vous avez besoin de plus d'informations.

Edit: De mon commentaire sur l'une des réponses ci-dessous, il semble que j'ai eu de spécifier une taille spécifique pour la mon des espaces réservés. None n'était pas satisfaisante. Quand j'ai changé, et re-couru mon code, tout a bien fonctionné. Pas encore tout à fait sûr pourquoi.

  • Quelles sont x et y_label? Êtes-vous sûr qu'ils sont valides dict clés?
  • S'il vous plaît poster complète des messages d'erreur que vous voyez.
  • fait.
InformationsquelleAutor madsthaks | 2017-03-28
  1. 9

    Dans mon cas, le problème a été de nommer le paramètre d'entrée le même que l'espace réservé variable. Ceci, bien sûr, remplace votre tensorflow variable avec la variable d'entrée; résultant d'une clé différente pour les feed_dict.

    Un tensorflow variable est hashable, mais votre paramètre d'entrée (np.ndarray) ne l'est pas. Le unhashable erreur est donc un résultat de-vous essayer de passer votre paramètre comme la clé au lieu d'un tensorflow variable. Un peu de code pour visualiser ce que je suis en train de dire:

    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})

    Espérant que cela aide quelqu'un tomber sur ce problème à l'avenir!

    • J'ai eu ce problème et cela n'a résoudre mon problème, merci.
    InformationsquelleAutor Andreas Forslöw
  2. 5

    Veuillez bien vérifier le type de données que vous nourrissez "x_train/y_train" et le tenseur "x/y_label" vous défini par 'tf.espace réservé(...)'

    J'ai rencontré le même problème avec vous. Et la raison en est x_train dans mon code est "np.float64", mais ce que je définis par tf.espace réservé() est tf.float32. Le type de date float64 et float32 est désadaptation.

    • Ce fut le cas pour mon code. Changé numpy type de np.float32 pour correspondre à Tensorflow type de tf.float32
    InformationsquelleAutor zero
  3. 3

    Je pense que le problème est dans la définition du dictionnaire. Un dictionnaire clé est d'être un "hashable type", par exemple, un nombre, une chaîne ou un n-uplet sont communs. Une liste ou un tableau ne fonctionnent pas:

    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'

    Je ne sais pas assez de tensorflow de savoir de quoi il s'agit:

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

    L'erreur indique qu'ils sont des tableaux numpy, pas de chaînes. Ne x ont un name attribut?

    Ou peut-être que le dictionnaire doit être défini comme suit:

    {'x': x_train, 'y_label': y_train}
    • c'était assez intéressant. Il semble que j'ai dû spécifiques à une taille spécifique pour la mon des espaces réservés. None n'était pas satisfaisante. Quand j'ai changé, et re-couru mon code, tout a bien fonctionné. Pas encore tout à fait sûr pourquoi.
    InformationsquelleAutor hpaulj
  4. 0

    Étrange, j'ai eu ce problème aussi. Après je ferme python, shell et d'exécuter du code à partir d'un fichier que je n'ai pas réussi à le reproduire même dans le shell (il fonctionne w/o une erreur).

    InformationsquelleAutor ChaosPredictor