实际上我解决了这个问题。我认为这是因为数据类型。将np.float16更改为np.float32，解决了问题。我不知道为什么，这个问题只发生在np.float16数据类型上。

from sklearn.preprocessing import normalize

columns_changed = []

for col in df.columns:
    col_type = x_m[col].dtypes
    if col_type == 'float16':
      columns_changed.append(col)
      x_m[col] = x_m[col].astype(np.float32)

normalize(x_m, norm="l2", axis=1)

for col in columns_changed:
  x_m[col] = x_m[col].astype(np.float16)

x_m

如果它对任何人都有用，我在使用sklearn.linear_model中的广义线性模型时遇到了这个错误，即PoissonRegressor和GammaRegressor（这个错误在sklearn的www.example.com子模块中的某个地方出现loss.py）。只有一个目标变量，所以，正如我们通常对sklearn模型所做的那样，我做了.reshape((-1, 1))或等效的切片[:, None]。令人惊讶的是，这导致了错误：当我删除目标向量整形时，错误消失了，代价是众所周知的sklearn警告数组的1D形状：）