Tensorflow 示例在 colab 上运行良好，但在 jupyter lab 上 运行 时给出 nan
Tensorflow example works fine on colab, but gives nan while running on jupyter lab
使用 colab 上的 tensorflow 示例教程后：基本回归：预测燃油效率，可在此处找到：https://www.tensorflow.org/tutorials/keras/regression。
我一直在尝试通过 anaconda 在 jupyter notebook 上 运行 这个例子，以便能够 运行 它离线。
人们可以在 link 上找到的代码在 google colab 上运行良好，但是当我尝试在 jupyter notebook 上 运行 它时，我得到了一个 nan 的向量。
- 运行 在 google colab 上的产量：
Running the example on google colab
- 关于 jupyter 的 运行 产量：
Running the example on jupyter lab
构建时序模型的代码：[问题出处]
horsepower_model = tf.keras.Sequential([
horsepower_normalizer,
layers.Dense(units=1)
])
horsepower_model.summary()
其余代码可以在我上面附上的link中找到：
https://www.tensorflow.org/tutorials/keras/regression
模型要做的事情：
该模型从数据集中获取 2 个数组：MPG 和 Horsepower，并且即将使用单变量线性回归以根据 Horsepower 预测 MPG。
因此，模型引入了一个形状为 1 的 Dense 层，从这里可以看出：
layers.Dense(units=1)
模型的输出应该是基于马力值的 MPG 值。
然后我们将能够将它与我们从数据集中获得的真实 MPG 的值进行比较。
提前致谢。
编辑：我上传我的笔记本：
https://www.udrop.com/Jk3/Horsepower.ipynb
我看到您在其中使用了不同的模型。
在 Colab 中，您使用的模型只有 5 个参数
而在 Notebook 中，您使用的是具有 944 参数的密集模型。
先在笔记本上试试运行参数少的模型
要么
在两者上尝试 运行 相同的模型。（也许复杂模型没有完全训练。）
编辑 1：
我创建了一个 jupyter notebook 并尝试了代码。
在我的系统中它运行良好，请在您的系统中尝试 运行 这个 jupyter notebook。 Jupyter Notebook
.如果有效，那么您的代码中可能存在语法错误。
编辑 2：
更新张量流：
pip install --ignore-installed --upgrade tensorflow
使用此命令或适用于您的版本的任何其他命令。
在每个马力值周围加上一组额外的括号解决了我的问题：
horsepower = np.array([[h] for h in train_features['Horsepower']])
使用 colab 上的 tensorflow 示例教程后：基本回归：预测燃油效率，可在此处找到：https://www.tensorflow.org/tutorials/keras/regression。
我一直在尝试通过 anaconda 在 jupyter notebook 上 运行 这个例子，以便能够 运行 它离线。
人们可以在 link 上找到的代码在 google colab 上运行良好，但是当我尝试在 jupyter notebook 上 运行 它时，我得到了一个 nan 的向量。
- 运行 在 google colab 上的产量：
Running the example on google colab - 关于 jupyter 的 运行 产量：
Running the example on jupyter lab
构建时序模型的代码：[问题出处]
horsepower_model = tf.keras.Sequential([
horsepower_normalizer,
layers.Dense(units=1)
])
horsepower_model.summary()
其余代码可以在我上面附上的link中找到：
https://www.tensorflow.org/tutorials/keras/regression
模型要做的事情：
该模型从数据集中获取 2 个数组：MPG 和 Horsepower，并且即将使用单变量线性回归以根据 Horsepower 预测 MPG。
因此，模型引入了一个形状为 1 的 Dense 层，从这里可以看出：
layers.Dense(units=1)
模型的输出应该是基于马力值的 MPG 值。
然后我们将能够将它与我们从数据集中获得的真实 MPG 的值进行比较。
提前致谢。
编辑：我上传我的笔记本：
https://www.udrop.com/Jk3/Horsepower.ipynb
我看到您在其中使用了不同的模型。 在 Colab 中，您使用的模型只有 5 个参数 而在 Notebook 中，您使用的是具有 944 参数的密集模型。
先在笔记本上试试运行参数少的模型 要么 在两者上尝试 运行 相同的模型。（也许复杂模型没有完全训练。）
编辑 1： 我创建了一个 jupyter notebook 并尝试了代码。 在我的系统中它运行良好，请在您的系统中尝试 运行 这个 jupyter notebook。 Jupyter Notebook .如果有效，那么您的代码中可能存在语法错误。
编辑 2： 更新张量流：
pip install --ignore-installed --upgrade tensorflow
使用此命令或适用于您的版本的任何其他命令。
在每个马力值周围加上一组额外的括号解决了我的问题：
horsepower = np.array([[h] for h in train_features['Horsepower']])