基于Conv-LSTM的药物对交互分类数据格式及报错求助

核心错误原因分析 #

你遇到的ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float)，本质是输入数据的维度、类型不匹配模型要求，同时你的模型定义存在冗余逻辑，导致输入输出不兼容。

一、输入数据（train_x/train_y）的正确处理方式 #

1. 药物对Embedding的拼接与维度调整 #

你的数据是药物对形式，每个药物有300维embedding，需将两个药物的embedding拼接成模型可接受的序列输入：

import numpy as np

# 假设embedding_df包含drug1_emb和drug2_emb列，每列是300维数组
# 拼接后每个样本形状为(2, 300)，代表2个药物（时间步），每个步长300维特征
train_x = np.array([np.stack([d1, d2]) for d1, d2 in zip(embedding_df['drug1_emb'], embedding_df['drug2_emb'])])
# 强制转换为TensorFlow支持的float32类型
train_x = train_x.astype(np.float32)

• 原模型输入定义(1, 300)不符合药物对场景，需改为(2, 300)，对应两个药物的序列输入。

2. 标签（train_y）的格式修正 #

根据损失函数选择对应标签格式：

• 若用binary_crossentropy（二分类推荐），直接保留0/1的一维整数数组，转换为float32：

  train_y = train_y.astype(np.float32)
  

• 若用categorical_crossentropy，需做one-hot编码：

  from tensorflow.keras.utils import to_categorical
  train_y = to_categorical(train_y, num_classes=2).astype(np.float32)
  

二、Conv-LSTM模型定义修正 #

原模型存在冗余未使用层，且输入输出维度不匹配，以下是优化后的版本：

from tensorflow.keras.layers import Input, Conv1D, BatchNormalization, MaxPooling1D, LSTM, Dropout, Dense
from tensorflow.keras.models import Model
from tensorflow.keras.regularizers import L1L2

def Conv_LSTM(num_classes, reg):
    # 输入形状适配药物对：(样本数, 时间步=2, 特征维度=300)
    input_layer = Input(shape=(2, 300))

    # 卷积层提取序列局部特征（核大小设为1，适配短序列）
    conv1 = Conv1D(filters=32, kernel_size=1, strides=1, activation='relu', padding='same', kernel_regularizer=reg)(input_layer)
    bn1 = BatchNormalization()(conv1)
    pool1 = MaxPooling1D(pool_size=1, strides=1, padding='same')(bn1)

    conv2 = Conv1D(filters=32, kernel_size=1, strides=1, activation='relu', padding='same', kernel_regularizer=reg)(pool1)
    bn2 = BatchNormalization()(conv2)

    # LSTM层捕捉序列依赖关系
    lstm1 = LSTM(128, return_sequences=True, kernel_regularizer=reg)(bn2)
    do3 = Dropout(0.5)(lstm1)

    lstm2 = LSTM(64, kernel_regularizer=reg)(do3)
    do4 = Dropout(0.2)(lstm2)

    # 输出层：二分类用sigmoid，多分类用softmax
    if num_classes == 2:
        output_layer = Dense(1, activation='sigmoid')(do4)
    else:
        output_layer = Dense(num_classes, activation='softmax')(do4)

    model = Model(inputs=input_layer, outputs=output_layer)  
    return model

修正要点： #

1. 删除fl、rv、flat等未使用的冗余层
2. 调整卷积核大小为1，适配仅2个时间步的药物对序列
3. 二分类场景用sigmoid激活更高效，避免softmax的冗余计算
4. 将正则化器应用到卷积和LSTM层，抑制过拟合

三、训练函数修正 #

import tensorflow as tf
from tensorflow.keras.callbacks import TensorBoard
from time import time

def model_train(model, number_epoch, train_x, train_y, sample_weights=None):   
    # 根据输出层自动匹配损失函数
    loss_fn = 'binary_crossentropy' if model.output_shape[-1] == 1 else 'categorical_crossentropy'
    # 降低学习率，避免模型震荡不收敛
    optimizer = tf.keras.optimizers.RMSprop(learning_rate=0.001, rho=0.9)

    model.compile(loss=loss_fn, metrics=['accuracy'], optimizer=optimizer)
    tensorboardRNN = TensorBoard(log_dir="RNN_logs/{}".format(time()))

    history1 = model.fit(
        train_x, 
        train_y, 
        validation_split=0.1, 
        callbacks=[tensorboardRNN], 
        batch_size=32, 
        class_weight=sample_weights, 
        epochs=int(number_epoch), 
        shuffle=True  # 训练时打乱数据，避免学习顺序依赖
    )

    print(model.summary())
    return model, history1

修正要点： #

1. 动态匹配损失函数，适配二分类/多分类场景
2. 将学习率从0.01降至0.001，提升模型稳定性
3. 给sample_weights设置默认值，避免未传入时报错
4. 开启shuffle=True，优化训练效果

四、调用代码修正 #

reg = L1L2(l1=0.01, l2=0.01)
model = Conv_LSTM(num_classes=2, reg=reg)
model.summary()
# 确保train_x和train_y已按上述方式处理完成
convLSTM, history = model_train(model, number_epoch=20, train_x=train_x, train_y=train_y)

额外排查要点 #

1. 检查embedding格式：若embedding_df中的embedding是字符串类型，需先转换为numpy数组：

   embedding_df['drug1_emb'] = embedding_df['drug1_emb'].apply(lambda x: np.fromstring(x.strip('[]'), sep=',', dtype=np.float32))
   

2. 验证输入形状：train_x应为(样本数, 2, 300)，train_y应为(样本数, 1)（sigmoid）或(样本数, 2)（softmax）
3. 强制类型转换：若仍有类型错误，执行train_x = np.asarray(train_x, dtype=np.float32)

内容的提问来源于stack exchange，提问作者Dalel Rais