Falha ao localizar o adaptador de dados que pode manipular a entrada: <class 'numpy.ndarray'>, (<class 'list'> contendo valores dos tipos {"<class 'int'>"})

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

o problema de linha era este

Mostrando erro:

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

ValueError no TensorFlow

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

Tentei seguir o código e trabalhei para mim:

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)

Então, isso está acontecendo na versão mais recente do tensorflow. Não tenho certeza de onde, mas eu estava na versão 2.0.0 e aconteceu a mesma coisa.

Estou assumindo que você está apenas convertendo a matriz X em uma matriz numpy. Em vez disso, tente converter 'X' e 'y' em array numpy usando o dtype como np.uint8

Isso deve resolver o problema

Eu estava enfrentando o mesmo problema. Acontece que era um sob a forma de uma lista. Eu tive que converter os campos em uma 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)

é isso aí!

VIKI já disse uma boa resposta. Estou adicionando mais informações. Ele costumava travar o host colab para mim também, antes de adicionar os wrappers 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)

Falha no host devido a problemas de falta de memória tem algo a ver com isso:

Explicação do gradiente denso de fluxo de tensor?

No meu caso, o problema estava apenas em y. era uma lista. Nesse caso, eu tive que mudar

y = matriz np (y)

A resposta de Mahmud corrige o erro "Regressão básica: prever a eficiência de combustível" do Tutorial do TensorFlow na seção [30]. Estas são as 2 linhas:

Mude isso:

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

Para isso:

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

Graças Mahmud

Basta digitar converter as matrizes.

por exemplo:

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