如何修复TensorFlow代码中model.evaluate的TypeError解包错误？

核心问题拆解 #

1. AttributeError 问题
   TensorFlow 2.x 版本中，tf.train.AdamOptimizer() 已迁移至 tf.optimizers.Adam()，你的修改方向正确，该问题已解决。

2. TypeError: cannot unpack non-iterable float object 问题
   本质原因是模型编译时未指定评估指标，且原始代码存在语法错误：

   • 原始代码中 model.compile 行末尾多了一个逗号，导致损失函数参数未被正确传入编译配置
   • 未在 compile 中声明 metrics=['accuracy']，默认情况下 model.evaluate() 仅返回单个损失值（float类型），无法解包为两个变量

ChatGPT 给出的「修改数据形状」方案完全无关，因为输入层 Flatten(input_shape=(28,28)) 可直接处理原始数据的 (样本数,28,28) 形状，无需额外转成4维张量。

修复后的完整代码 #

import tensorflow as tf
from tensorflow import keras

# 加载Fashion MNIST数据集
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()

# 数据归一化（可选但推荐，提升训练效率与稳定性）
train_images = train_images / 255.0
test_images = test_images / 255.0

# 构建模型
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

# 编译模型：修复语法错误并添加评估指标
model.compile(
    optimizer=tf.optimizers.Adam(),
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']  # 关键配置：让evaluate返回损失+准确率两个值
)

# 训练模型
model.fit(train_images, train_labels, epochs=5)

# 评估模型：此时可正常解包为损失和准确率
test_loss, test_acc = model.evaluate(test_images, test_labels)
print(f"测试损失: {test_loss:.4f}, 测试准确率: {test_acc:.4f}")

关键修改点说明 #

• 移除 model.compile 行末尾的多余逗号，确保损失函数参数被正确传入
• 添加 metrics=['accuracy'] 配置，使模型评估时同时计算准确率，evaluate() 返回包含两个元素的元组
• 新增数据归一化步骤：将像素值从0-255缩放到0-1，加速模型收敛

内容的提问来源于stack exchange，提问作者P4ts4k