TensorFlow Recommenders报错：tuple indices must be integers or slices, not str

以下是针对tuple indices must be integers or slices, not str报错的常见排查方向及解决方法：

• 数据集结构不匹配
  检查训练数据集是否被处理成了tuple而非字典结构。如果预处理后每个样本是(userId, game_title, rating)这类tuple，模型尝试用字符串键（如"userId"）访问时就会触发报错。

  • 解决：确保数据集样本为字典格式，每个字段对应字符串键：

    # 示例：将原始数据转换为字典结构的数据集
    dataset = tf.data.Dataset.from_tensor_slices({
        "userId": user_id_list,
        "game_title": game_title_list,
        "rating": rating_list
    })
    

• 模型输入层与数据键不对应
  确认RetailModel的输入层是否指定了正确的name参数，且与数据集的键完全一致。如果输入层未命名或名称不匹配，模型会将输入当作tuple处理，导致索引报错。

  • 解决：定义输入层时明确指定name：

    user_input = tf.keras.Input(shape=(), dtype=tf.string, name="userId")
    game_input = tf.keras.Input(shape=(), dtype=tf.string, name="game_title")
    rating_input = tf.keras.Input(shape=(), dtype=tf.int32, name="rating")
    

• 数据管道映射函数错误
  检查tf.data管道中的map函数是否返回了tuple而非字典。比如错误地返回(user_id, game_title, rating)，而非包含键值对的字典。

  • 解决：修改映射函数返回字典：

    def preprocess_data(user_id, game_title, rating):
        return {
            "userId": user_id,
            "game_title": game_title,
            "rating": rating
        }
    # 假设原始数据集是tuple格式，通过map转换为字典
    dataset = dataset.map(preprocess_data)
    

• 模型拟合时输入格式错误
  调用model.fit()时，若传入的x参数是tuple而非字典，模型会无法识别字符串键，触发索引错误。

  • 解决：将x参数设为对应输入层名称的字典：

    model.fit(
        x={
            "userId": train_user_ids,
            "game_title": train_game_titles,
            "rating": train_ratings
        },
        epochs=10,
        batch_size=32
    )
    

内容的提问来源于stack exchange，提问作者Nicolas Nuñez Manzano