在TF 2.12函数式API中使用tf.hub.KerasLayer触发ValueError求助

错误原因 #

你的输入张量形状是(32, 1)，但nnlm-en-dim50/2这个预训练文本嵌入层要求的输入是一维字符串张量（签名显示为TensorSpec(shape=(None,), dtype=tf.string)）——简单说就是每个样本是单个字符串，不需要额外的嵌套维度，而你现在的输入多了一个长度为1的维度。

修复方案 #

方案1：临时调整输入张量的形状

直接在调用层之前去掉多余的维度，用tf.squeeze函数：

hub_handle = "https://tfhub.dev/google/nnlm-en-dim50/2"
hub_layer = hub.KerasLayer(hub_handle, input_shape=[], dtype=tf.string)
# 去掉输入张量最后一个维度
input_data = tf.squeeze(list(df_tf)[0][0], axis=-1)
hub_layer(input_data)

方案2：从数据源头修正

如果是用tf.data.Dataset加载的数据，建议在预处理阶段就把输入调整成一维：

def adjust_text_shape(text_tensor):
    # 移除多余的维度，返回形状为(None,)的字符串张量
    return tf.squeeze(text_tensor, axis=-1)

# 应用到数据集上
df_tf = df_tf.map(adjust_text_shape)

新手注意事项 #

• 用TensorFlow Hub的预训练模型时，一定要先确认模型的输入要求，包括张量形状、数据类型
• 调试时可以先打印输入张量的形状（print(list(df_tf)[0][0].shape)），快速定位维度不匹配的问题
• 文本分类任务中，输入层通常接收一维字符串数组，不需要给每个字符串套额外的列表/维度

内容的提问来源于stack exchange，提问作者Anshuman Verma