Python实现ANN时遭遇UnimplementedError错误，寻求解决方法

安全阿岳

2026-7-25

解决TensorFlow中ANN训练的UnimplementedError错误

问题背景

尝试用Python实现人工神经网络（ANN），训练阶段触发UnimplementedError错误，相关代码及报错信息如下：

代码示例

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

from sklearn.preprocessing import StandardScaler
sc = StandardScaler(with_mean=False)
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

import tensorflow as tf

ann = tf.keras.models.Sequential()

# 添加第一个隐藏层
ann.add(tf.keras.layers.Dense(units=6,activation="relu"))

# 添加第二个隐藏层
ann.add(tf.keras.layers.Dense(units=6,activation="relu"))

ann.add(tf.keras.layers.Dense(units=1,activation="sigmoid"))
ann.compile(optimizer="adam",loss="binary_crossentropy",metrics=['accuracy'])
ann.fit(X_train,Y_train,batch_size=32,epochs = 100)

报错信息

WARNING:tensorflow:Keras正在基于类数组数据进行训练/拟合/评估。Keras对此格式可能未做优化，如果你的输入数据格式受TensorFlow I/O支持，建议使用其加载Dataset替代。
    Epoch 1/100
    ---------------------------------------------------------------------------
    UnimplementedError                        Traceback (most recent call last)
    Cell In[37], line 2
          1 # 拟合ANN
    ----> 2 ann.fit(X_train,Y_train,batch_size=32,epochs = 100)

解决方案

修正数据类型：TensorFlow要求输入数据为浮点型，检查并转换数据类型：
```
X_train = X_train.astype('float32')
Y_train = Y_train.astype('float32')
```
调整标签维度：确保标签数据为二维数组（形状为(样本数, 1)），若为一维则重塑：
```
Y_train = Y_train.reshape(-1, 1)
Y_test = Y_test.reshape(-1, 1)
```
优化标准化配置：移除with_mean=False参数，使用默认的中心化+标准化，提升模型稳定性：
```
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
```
升级TensorFlow版本：旧版本可能存在数组兼容问题，升级至稳定版：
```
pip install --upgrade tensorflow
```