想了解ValueError：功能不在功能字典中的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于在功能权限字典中的相关问题，此外，我们还将为您介绍关于'ValueError:to_quanti

想了解ValueError：功能不在功能字典中的新动态吗？本文将为您提供详细的信息，我们还将为您解答关于在功能权限字典中的相关问题，此外，我们还将为您介绍关于' ValueError: to_quantize 只能是 tf.keras 序列或功能模型、Geod ValueError：未定义反短程线、Keras在Docker中运行非常慢并崩溃-ValueError：Feature my_feature不在功能字典中、Numpy ValueError：设置具有序列的数组元素。该消息可能不存在序列出现？的新知识。

• ValueError：功能不在功能字典中（在功能权限字典中）
• ' ValueError: to_quantize 只能是 tf.keras 序列或功能模型
• Geod ValueError：未定义反短程线
• Keras在Docker中运行非常慢并崩溃-ValueError：Feature my_feature不在功能字典中
• Numpy ValueError：设置具有序列的数组元素。该消息可能不存在序列出现？

ValueError：功能不在功能字典中（在功能权限字典中）

我正在尝试使用TensorFlow编写一个简单的深度机器学习模型。我使用的是我在Excel中制作的玩具数据集，只是为了使模型正常工作并接受数据。我的代码如下：

import pandas as pdimport numpy as npimport tensorflow as tfraw_data = np.genfromtxt(''ai/mock-data.csv'', delimiter='','', dtype=str)my_data = np.delete(raw_data, (0), axis=0) #deletes the first row, axis=0 indicates row, axis=1 indicates columnmy_data = np.delete(my_data, (0), axis=1) #deletes the first columnpolicy_state = tf.feature_column.categorical_column_with_vocabulary_list(''policy_state'', [    ''AL'', ''CA'', ''MI''])modern_classic_ind = tf.feature_column.categorical_column_with_vocabulary_list(''modern_classic_ind'', [    ''0'', ''1''])h_plus_ind = tf.feature_column.categorical_column_with_vocabulary_list(''h_plus_ind'', [    ''0'', ''1''])retention_ind = tf.feature_column.categorical_column_with_vocabulary_list(''retention_ind'', [    ''0'', ''1''])feature_columns = [    tf.feature_column.indicator_column(policy_state),    tf.feature_column.indicator_column(modern_classic_ind),    tf.feature_column.indicator_column(h_plus_ind)]classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,                                      hidden_units=[10, 20, 10],                                      n_classes=3,                                      model_dir="/tmp/ret_model")train_input_fn = tf.estimator.inputs.numpy_input_fn(x={"x": np.array(my_data[:, 0:3], dtype=str)},y=np.array(np.array(my_data[:, 3], dtype=str)),num_epochs=None,shuffle=True)classifier.train(input_fn=train_input_fn, steps=2000)

不幸的是，我收到以下错误。我尝试过修剪csv文件中的标签，而不是保留标签，将要素列命名为其他内容，并更改numpy数组的类型。错误仍然存​​在。

ValueError: Feature h_plus_ind is not in features dictionary.

如果我删除了h_plus_ind，它只会在另一个列上抛出错误。

答案1

使用时tf.feature_columns，您输入到input_fn中的数据应具有与先前创建的功能列相同的键。因此，x您的的train_input_fn应为字典，其键以命名feature_columns。

一个模拟的例子：

x = {"policy_state": np.array([''AL'',''AL'',''AL'',''AL'',''AL'']),     "modern_classic_ind": np.array([''0'',''0'',''0'',''0'',''0'']),     "h_plus_ind": np.array([''0'',''0'',''0'',''0'',''0'']),}

在一边 ：

来自开发者Google博客的这篇精彩文章可能是一本好书，因为它引入了一种input_fn直接使用tf.DatasetAPI从csv文件创建的新方法。它具有更好的内存管理，并且避免将所有数据集加载到内存中。

' ValueError: to_quantize 只能是 tf.keras 序列或功能模型

std::function

from pyproj import Geod

g = Geod(ellps='WGS84')
lonlat1 = 10.65583081724002,-7.313341167341917
lonlat2 = 10.655830383300781,-7.313340663909912

_,_,dist = g.inv(lonlat1[0],lonlat1[1],lonlat2[0],lonlat2[1])

ValueError                                Traceback (most recent call last)
<ipython-input-5-8ba490aa5fcc> in <module>()
----> 1 _,lonlat2[1])

/usr/lib/python2.7/dist-packages/pyproj/__init__.pyc in inv(self,lons1,lats1,lons2,lats2,radians)
    558         ind,disfloat,dislist,distuple = _copytobuffer(lats2)
    559         # call geod_inv function. inputs modified in place.
--> 560         _Geod._inv(self,inx,iny,inz,ind,radians=radians)
    561         # if inputs were lists,tuples or floats,convert back.
    562         outx = _convertback(xisfloat,xislist,xistuple,inx)

_geod.pyx in _geod.Geod._inv (_geod.c:1883)()

ValueError: undefined inverse geodesic (may be an antipodal point)

Z=np.array([1.0,1.0,1.0,1.0])def func(TempLake,Z):    A=TempLake    B=Z    return A*BNlayers=Z.sizeN=3TempLake=np.zeros((N+1,Nlayers))kOUT=np.zeros(N+1)for i in xrange(N):    kOUT[i]=func(TempLake[i],Z)

ValueError: setting an array element with a sequence.

kOUT[i]=func(TempLake[i],Z)

In [39]: kOUT[0]Out[39]: 0.0In [40]: func(TempLake[0], Z)Out[40]: array([ 0.,  0.,  0.,  0.])