TensorFlow中tf.data加载CSV数据集后model.fit报错问题求助

你的数据集返回的是以列名为键的特征字典（如{'Age': ..., 'Number': ..., 'Start': ...}），但模型的输入层是一个接收3维张量的匿名输入（自动命名为input_xx），两者的输入格式不匹配，导致TensorFlow无法找到对应输入层的数据。

思路1：将数据集的字典特征转换为张量 #

把字典里的多个特征合并成一个二维张量，让模型的输入层能直接接收。

针对make_csv_dataset的代码修改 #

在创建数据集后添加map操作，将字典特征拼接成张量：

import numpy as np
import pandas as pd
import tensorflow as tf

input_file='kyphosis.csv'

all_dataset = tf.data.experimental.make_csv_dataset(
    input_file, 
    batch_size=1,
    label_name="Kyphosis",
    num_epochs=1
)
# 新增：把字典特征转为张量
all_dataset = all_dataset.map(lambda features, labels: (tf.stack(list(features.values()), axis=1), labels))

model=tf.keras.models.Sequential()
model.add(tf.keras.layers.Input(3))
model.add(tf.keras.layers.Dense(10))
model.add(tf.keras.layers.Dense(1,activation='sigmoid'))

model.compile(optimizer='adam',loss='binary_crossentropy',run_eagerly=True)
model.fit(all_dataset,epochs=10)

针对from_tensor_slices的代码修改 #

不要把X转成字典，直接用DataFrame的数值数组作为输入：

df=pd.read_csv('kyphosis.csv')
X=df.drop('Kyphosis',axis=1)
y=df['Kyphosis']

# 直接传入X的数值数组，而非字典
all_dataset=tf.data.Dataset.from_tensor_slices((X.values, y))
all_dataset = all_dataset.batch(1)

model=tf.keras.models.Sequential()
model.add(tf.keras.layers.Input(3))
model.add(tf.keras.layers.Dense(10))
model.add(tf.keras.layers.Dense(1,activation='sigmoid'))

model.compile(optimizer='adam',loss='binary_crossentropy')
model.fit(all_dataset,epochs=3)

思路2：修改模型以匹配字典输入（进阶） #

如果想保留字典形式的特征输入，可以用Functional API定义模型，让输入层对应每个特征的键名：

import tensorflow as tf
import pandas as pd

df=pd.read_csv('kyphosis.csv')
X=df.drop('Kyphosis',axis=1)
y=df['Kyphosis']

all_dataset=tf.data.Dataset.from_tensor_slices((X.to_dict(orient='list'), y))
all_dataset = all_dataset.batch(1)

# 为每个特征创建输入层
age_input = tf.keras.layers.Input(shape=(1,), name='Age')
num_input = tf.keras.layers.Input(shape=(1,), name='Number')
start_input = tf.keras.layers.Input(shape=(1,), name='Start')

# 合并特征
concatenated = tf.keras.layers.concatenate([age_input, num_input, start_input])
dense1 = tf.keras.layers.Dense(10)(concatenated)
output = tf.keras.layers.Dense(1, activation='sigmoid')(dense1)

model = tf.keras.Model(inputs=[age_input, num_input, start_input], outputs=output)
model.compile(optimizer='adam',loss='binary_crossentropy')
model.fit(all_dataset,epochs=3)

内容的提问来源于stack exchange，提问作者Prabal B