返回 self._dims[key].value IndexError: list index

Question

在张量流中，我制作了一个将哈希作为输入的常规网络。作为一个例子，我使用了内置的 python hash()函数（是的，它在每个会话中都改变了盐，但这是一个例子）代码是这样的：from time import timest = time()import tensorflow as tfprint(time() - st)import numpy as npimport chessimport atexitfrom numpy import shapedata = open("data.data", "r").readlines()[:10000]targets = open("targets.data", "r").readlines()[:10000]boards_data = []new_targets = []for i in data:    boards_data.append(hash(i))for i in targets:    new_targets.append(float(i))print(len(new_targets))print(len(boards_data))print(np.array(new_targets))print(np.array(boards_data))def create_model():   model = tf.keras.models.Sequential()   model.add(tf.keras.layers.Reshape((1,1,1)))   model.add(tf.keras.layers.Dense(1000, activation="tanh"))   model.add(tf.keras.layers.Flatten())   model.add(tf.keras.layers.Dense(1, activation='tanh'))   model.compile(loss="mse", optimizer="adam", metrics=['accuracy'])   return modelmodel = create_model()model.fit(np.array(boards_data), np.array(new_targets), epochs=10)model.predict(np.array(hash("8/6P1/5k1K/6r1/8/8/8/8 b - - 0 83")))错误在预测中。我在如何修复 Tensorflow 中的“IndexError：列表索引超出范围”中看到了 conv2d 示例 ，但事实并非如此......和回溯：Traceback (most recent call last):  File "/Volumes/POOPOO USB/lichess-bot/engines/engine2/nn_evaluation/nn_evaluation2.py", line 36, in <module>    model.predict(np.array(hash("8/6P1/5k1K/6r1/8/8/8/8 b - - 0 83")))  File "/Users/ofek/Library/Python/3.8/lib/python/site-packages/tensorflow/python/keras/engine/training.py", line 130, in _method_wrapper    return method(self, *args, **kwargs)  File "/Users/ofek/Library/Python/3.8/lib/python/site-packages/tensorflow/python/keras/engine/training.py", line 1569, in predict    data_handler = data_adapter.DataHandler(  File "/Users/ofek/Library/Python/3.8/lib/python/site-packages/tensorflow/python/keras/engine/data_adapter.py", line 1105, in __init__    self._adapter = adapter_cls(

Answer 1

问题是您正在从哈希值创建一个 0d numpy 字符串。预测只能在至少具有一维的数组上运行。您可以检查您的散列值是否为 0d：

print(np.array(hash("8/6P1/5k1K/6r1/8/8/8/8 b - - 0 83")).shape)
# outputs: ()

与将哈希值放入列表相比：

print(np.array([hash("8/6P1/5k1K/6r1/8/8/8/8 b - - 0 83")]).shape)
# outputs: (1,)

第二个np.array预测运行没有错误。