使用Keras.mean处理numpy数组报错：'numpy.dtype'无'base_dtype'属性

你碰到的这个错误其实很常见——Keras后端的K.mean()函数没办法直接处理numpy数组，它的操作对象得是TensorFlow（或者你用的其他Keras后端）的张量（Tensor）。当你直接把numpy数组传进去时，内部的类型处理逻辑就乱了，于是抛出了这个和dtype相关的错误。

给你整理好的修正代码，直接就能运行：

import numpy as np
import tensorflow as tf
import keras.backend as K

# 你的原始numpy数组
arr3 = np.array([ [ [1,2,3], [4,5,6] ], [ [1,2,3], [4,5,6] ], [ [1,2,3], [4,5,6] ] ] )

# 第一步：把numpy数组转成TensorFlow张量，两种方式任选其一
arr_tensor = tf.convert_to_tensor(arr3)
# arr_tensor = K.constant(arr3)  # 这是另一种等价的转换方式

# 第二步：用张量来计算均值
pooled_grads = K.mean(arr_tensor, axis=(0, 1, 2))

# 第三步：打印结果时，要转成numpy格式才能看到具体数值
print("------------------------")
print(pooled_grads.numpy())  # TensorFlow 2.x版本推荐用这个
# 如果是TF1.x环境，你可以用 K.eval(pooled_grads) 来获取结果

简单说下原理：Keras的后端API（比如K.mean）是基于张量计算框架设计的，所有操作都依赖张量的类型系统。直接传numpy数组会导致框架无法正确识别数据的底层类型结构，转换成张量后，Keras就能按照预期完成均值计算了。

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