在我的例子中，我在Tensorflow中得到了这个错误，原因是我试图提供一个具有不同长度或序列的数组:

例子:

import tensorflow as tf

input_x = tf.placeholder(tf.int32,[None,None])



word_embedding = tf.get_variable('embeddin',shape=[len(vocab_),110],dtype=tf.float32,initializer=tf.random_uniform_initializer(-0.01,0.01))

embedding_look=tf.nn.embedding_lookup(word_embedding,input_x)

with tf.Session() as tt:
    tt.run(tf.global_variables_initializer())

    a,b=tt.run([word_embedding,embedding_look],feed_dict={input_x:example_array})
    print(b)

如果我的数组是

example_array = [[1,2,3],[1,2]]

然后我将得到错误:

ValueError: setting an array element with a sequence.

但如果我做填充

example_array = [[1,2,3],[1,2,0]]

现在起作用了。

可能原因1:试图创建一个锯齿状数组

你可以从一个形状不像多维数组的列表中创建一个数组:

numpy.array([[1, 2], [2, 3, 4]])         # wrong!

numpy.array([[1, 2], [2, [3, 4]]])       # wrong!

在这些例子中，numpy的参数。数组包含不同长度的序列。这将产生此错误消息，因为输入列表的形状不像可以转换为多维数组的“方框”。

可能原因2:提供类型不兼容的元素

例如，在float类型的数组中提供一个字符串作为元素:

numpy.array([1.2, "abc"], dtype=float)   # wrong!

如果你真的想要一个既包含字符串又包含浮点数的NumPy数组，你可以使用dtype对象，它允许数组保存任意Python对象:

numpy.array([1.2, "abc"], dtype=object)

这个错误是因为np的dtype参数。数组函数指定数组中元素的数据类型，并且只能设置为与所有元素兼容的单一数据类型。值"abc"不是有效的浮点数，因此试图将其转换为浮点数会导致ValueError。为了避免此错误，可以从列表中删除string元素，或者选择可以同时处理浮点值和字符串值的不同数据类型，例如object。

numpy.array([1.2, "abc"], dtype=object)

Python ValueError:

ValueError: setting an array element with a sequence.

意思就是它所说的，你试图把一系列数字塞进一个数字槽。它可以在各种情况下抛出。

1. 当你传递一个python元组或列表来解释为numpy数组元素时:

import numpy

numpy.array([1,2,3])               #good

numpy.array([1, (2,3)])            #Fail, can't convert a tuple into a numpy 
                                   #array element


numpy.mean([5,(6+7)])              #good

numpy.mean([5,tuple(range(2))])    #Fail, can't convert a tuple into a numpy 
                                   #array element


def foo():
    return 3
numpy.array([2, foo()])            #good


def foo():
    return [3,4]
numpy.array([2, foo()])            #Fail, can't convert a list into a numpy 
                                   #array element

2. 通过尝试将numpy数组长度> 1塞进numpy数组元素:

x = np.array([1,2,3])
x[0] = np.array([4])         #good



x = np.array([1,2,3])
x[0] = np.array([4,5])       #Fail, can't convert the numpy array to fit 
                             #into a numpy array element

正在创建numpy数组，numpy不知道如何将多值元组或数组塞到单个元素槽中。它期望你给它的任何东西都计算为一个数字，如果不这样做，Numpy会回应说它不知道如何用序列设置数组元素。

当形状不是规则的或者元素有不同的数据类型时，dtype参数传递给np。数组只能是object。

import numpy as np

# arr1 = np.array([[10, 20.], [30], [40]], dtype=np.float32)  # error
arr2 = np.array([[10, 20.], [30], [40]])  # OK, and the dtype is object
arr3 = np.array([[10, 20.], 'hello'])     # OK, and the dtype is also object

``

对我来说，问题是另一个。我试图将int类型的列表转换为数组。问题是有一个列表与其他列表的长度不同。如果你想证明它，你必须做到:

print([i for i,x in enumerate(list) if len(x) != 560])

在我的例子中，长度参考是560。