【异常】TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: double,

1. 问题：

TypeError: can’t convert np.ndarray of type numpy.object_. The only supported types are: double, float, float16, int64, int32, and uint8.

2. 异常代码行：

train_x = torch.from_numpy(train_x).float().unsqueeze(1)  # numpy 转成 torch 类型

3. 相关代码：

train.py

from getData import getAllData
from sklearn.model_selection import train_test_split

data = getAllData()
X, Y = data.XY()
print(type(X))  # 
print(np.shape(X))  # (1789,)
train_x, test_x, train_y, test_y = train_test_split(np.array(X), np.array(Y), test_size=0.1)  # 输入数据类型必须的numpy的 
print(np.shape(train_x))  # (1610,)

train_x = torch.from_numpy(train_x).float().unsqueeze(1)  # numpy 转成 torch 类型

torch_dataset = Data.TensorDataset(train_x, train_y)  # 训练的数据集
train_loader = Data.DataLoader(dataset=torch_dataset, batch_size=BATCH_SIZE, shuffle=False)

4. 解决方法：

X, Y = data.XY() 生成的数据集的 shape 不是我期望的那样。我的输入数据应该是个二维list, 不应该是一维的 ，所以问题出在数据的制作过程。
最后发现问题的关键点在：

getAllData.py 中的这行代码：

x = []
for i in ...:  # 遍历，将 X 添加到 x 
	X = data["channel blue"][(data.Time >= times[i]) & (data.Time < (times[i] + 4))].values
	print(type(X))  # 
	x.append(X)
print(np.shape(x))  #  (361,)  # 这说明 361个 X数据中，长度不全是 100

上面代码行中的 data 是 pandas 数据类型的，经过 [(data.Time >= times[i]) & (data.Time < (times[i] + 4))] 筛选后，得到的数据的长度不全是相同的。不同长度的数据X，append 到 x 之后，是不能生成一个每个元素的长度都是相同的 二维list 的。

因为有的长度为出现大于100的情况，而我只需要100个数据，所以将 X 的长度指定为相同长度 100：

修改getAllData.py 中的这行代码：

	X = data["channel blue"][(data.Time >= times[i]) & (data.Time < (times[i] + 4))].values[:100]
print(np.shape(x))  # (361, 100)  # 说明 添加到 x的 X数据的长度都是 100 的，是我们需要的数据 shape

5. 总结

train_x, test_x, train_y, test_y = train_test_split(np.array(X), np.array(Y), test_size=0.1)

因为输入数据（X 列表）中的每一个元素长度必须是相同的，否者生成的 train_x中的每个数据的长度也不是相同的，这样在torch.from_numpy(train_x) 时，就会报错。

torch 中的数据长度必须是相同的 ------> X中的数据长度必须是相同的 ------> np.shape(X)==( , ) 即必须是二维的。

6. 有用请点赞，谢谢

完