TensorFlow Probability输出类型错误：Dataset喂模异常排查

问题场景 #

使用TensorFlow Probability时遇到输入格式与输出类型不匹配的问题：

• 参考示例中执行y_hat=model(x_tst)，返回的y_hat类型为tensorflow_probability.python.layers.internal.distribution_tensor_coercible._TensorCoercible，可适配后续概率操作；
• 我构建了双输入头模型的Dataset作为输入，代码如下：

input_1 = tf.data.Dataset.from_tensor_slices(X)
input_2 = tf.data.Dataset.from_tensor_slices(Xphysio)
output = tf.data.Dataset.from_tensor_slices(y)
combined_dataset = tf.data.Dataset.zip(((input_1, input_2), output))
input_dataset = combined_dataset.batch(32)

• 尝试直接用y_hat=model(x_tst)喂入Dataset时，触发错误：

TypeError: Inputs to a layer should be tensors. Got: <BatchDataset element_spec=((TensorSpec(shape=(None, 120, 9), dtype=tf.float32, name=None), TensorSpec(shape=(None, 24), dtype=tf.float32, name=None)), TensorSpec(shape=(None,), dtype=tf.float32, name=None))>

• 但model.predict()返回的结果无法适配TensorFlow Probability的后续操作。

解决方法 #

问题出在直接将Dataset对象传入模型调用，模型期望的输入是张量而非Dataset实例。改用NumPy数组作为输入即可得到正确的输出类型，适配后续概率操作。

示例代码：

# 从Dataset中提取批次数据并转为NumPy数组
for (x1_batch, x2_batch), _ in input_dataset.take(1):
    x1_np = x1_batch.numpy()
    x2_np = x2_batch.numpy()

# 用NumPy数组喂入模型
y_hat = model([x1_np, x2_np])

此时得到的y_hat会是预期的tensorflow_probability.python.layers.internal.distribution_tensor_coercible._TensorCoercible类型，可正常用于TensorFlow Probability的后续操作。

内容的提问来源于stack exchange，提问作者Jonathan Roy