Error al encontrar el adaptador de datos que puede manejar la entrada: <clase 'numpy.ndarray'>, (<clase 'lista'> que contiene valores de tipos {“<clase 'int'>”})

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

el problema de la línea era este

Mostrando error:

ValueError: Failed to find data adapter that can handle input: <class 'numpy.ndarray'>, (<class 'list'> containing values of types {"<class 'int'>"})

ValueError en TensorFlow

https://pythonprogramming.net/convolutional-neural-network-deep-learning-python-tensorflow-keras/

Intenté seguir el código y trabajé para mí:

IMG_SIZE = 50

X = np.array(X).reshape(-1, IMG_SIZE, IMG_SIZE, 1)

y = np.array(y)

history = model.fit(X, y, batch_size=32, epochs=40, validation_split=0.1)

Así que esto está sucediendo en la versión más nueva de tensorflow, no estoy seguro de dónde, pero estaba en la versión 2.0.0 y sucedió lo mismo

Supongo que solo está convirtiendo la matriz X en una matriz numpy, sino que intente convertir 'X' y 'y' a una matriz numpy usando dtype como np.uint8

Eso debería resolver el problema

Estaba enfrentando el mismo problema. Resulta que era una forma de lista. Tuve que convertir los campos en una matriz numpy como:

training_padded = np.array(training_padded)
training_labels = np.array(training_labels)
testing_padded = np.array(testing_padded)
testing_labels = np.array(testing_labels)

¡Eso es!

VIKI ya dijo una buena respuesta. Estoy agregando más información. También solía bloquear el host Colab para mí, antes de agregar los envoltorios np.array ().

# Need to call np.array() around pandas dataframes.
# This crashes the colab host from TF attempting a 32GB memory alloc when np.array() wrappers are not used around pandas dataframes.
# Wrapping also cures warning about "Failed to find data adapter that can handle input"
history = model.fit(x=np.array(tr_X), y=np.array(tr_Y), epochs=3, validation_data=(np.array(va_X), np.array(va_Y)), batch_size=batch_size, steps_per_epoch=spe, validation_freq=5)

El bloqueo del host debido a un problema de falta de memoria tiene algo que ver con esto:

¿Tensorflow explicación de gradiente denso?

En mi caso el problema fue solo en y. Era una lista. en ese caso tuve que cambiar

y = matriz de np (y)

La respuesta de Mahmud corrige el error del Tutorial TensorFlow "Regresión básica: predecir la eficiencia del combustible" en la sección [30]. Estas son las 2 líneas:

Cambia esto:

example_batch = normed_train_data[:10]
example_result = model.predict(example_batch)

A esto:

example_batch = np.array(normed_train_data[0:10]) 
example_result = model.predict(example_batch)

Gracias Mahmud

Simplemente escriba cast the arrays.

por ejemplo:

import numpy as np
features = np.array(features,dtype='float64')
labels = np.array(labels, dtype ='float64')