TensorFlow处理CIFAR10可视化预测图像报TypeError如何解决

问题根源 #

报错的核心原因是CIFAR10数据集加载后的train_labels、test_labels默认是二维数组（形状为(样本数, 1)），当你在plot_value_array函数中执行true_label = true_label[i]时，拿到的不是普通整数标量，而是单元素numpy数组（比如array([5], dtype=int32)），用数组作为索引访问matplotlib的bar对象列表，就会触发这个类型错误。

解决方案 #

方案一：提前压缩标签数组维度（推荐） #

在数据集加载完成后添加如下代码，把标签数组转为一维：

train_labels = train_labels.squeeze()
test_labels = test_labels.squeeze()

squeeze()会自动删除数组中长度为1的维度，后续取索引时就能直接拿到整数标量，一劳永逸解决问题。

方案二：修改函数内的取值逻辑 #

如果不想修改原始标签数组，可以在两个绘图函数中手动把单元素数组转为标量：

# 修改plot_image函数内的取值代码
true_label, img = true_label[i].item(), img[i]

# 修改plot_value_array函数内的取值代码
true_label = true_label[i].item()

.item()方法可以直接把单元素numpy数组转为Python原生整数。

额外优化说明 #

你当前的预测逻辑存在冗余：CNN的输出层已经设置了activation='softmax'，后续又叠加了一层Softmax()，等于对输出做了两次归一化，会导致预测概率结果不准确。可以直接删除probability_model的定义，预测代码改为：

predictions = cnn.predict(test_images)

内容的提问来源于stack exchange，提问作者Aditya Aryan