PROSAGA码农传奇-深度学习-MXNET - 数据的类型'<type'numpy.ndarray'>'无效，应为NDArray，numpy.ndarray，

<div class =“post-text”itemprop =“text”>
  <P>
    在...的帮助下
     <code>
      user2357112
    </code>
    ，这是通过在Python 3中使用异常链来查找异常（已更新的问题）解决的：
  </p>
  <P>
    该
     <code>
      transformer
    </code>
     管道正在返回
     <code>
      numpy.array
    </code>
     的
     <code>
      scipy.sparse.csr_matrix
    </code>
     矩阵而不是2-d
     <code>
      numpy.array
    </code>
    。通过添加更改以下行来使用
     <code>
      toarray
    </code>
     转换的方法，脚本将运行。
  </p>
   <pre>
    <code>
      preprocessed_data = np.array([row.toarray() for row in transformer.fit_transform(data)])

</code>
  </pre>
  <P>
    的<strong>
      最佳解决方案
    </强>
    ：
     <code>
      toarray
    </code>
     在a上使用时，在内存消耗方面是低效的
     <code>
      scipy.sparse.csr_matrix
    </code>
    。在版本中
     <code>
      1.10
    </code>
     的
     <code>
      mxnet
    </code>
    ，一个人可以使用
     <code>
      mxnet.nd.sparse.array
    </code>
     更有效地存储数据：
  </p>
   <pre>
    <code>
      ...
preprocessed_data = mx.nd.sparse.array(transformer.fit_transform(data))

training_data = mx.io.NDArrayIter(data=preprocessed_data, label=preprocessed_labels, batch_size=5, last_batch_handle='discard')

for i, batch in enumerate(training_data):
    print(batch)

</code>
  </pre>
  <P>
    唯一需要注意的是必须使用
     <code>
      last_batch_handle='discard'
    </code>
     关键字参数
     <code>
      NDArrayIter
    </code>
     （的功能
     <code>
      last_batch_handle
    </code>
    <a href="https://github.com/apache/incubator-mxnet/blob/master/python/mxnet/io.py#L597" rel="nofollow noreferrer">
      这里
    </A>
    ）
  </p>
</DIV>

MXNET - 数据的类型''无效，应为NDArray，numpy.ndarray，