TensorFlow训练ANN遇UnimplementedError：字符串转浮点不支持求助

核心问题分析 #

错误提示“Casting string to float is not supported”说明训练标签Y_train是字符串类型（比如存储为"0"、"1"这类字符串值），而binary_crossentropy损失函数要求标签必须是数值型（整数或浮点），无法直接将字符串转换为浮点进行计算。

同时你的代码还有两处语法问题，也可能间接触发异常：

• 编译模型时，optimizer = Adam和metrics = accuracy未正确引用对应的类或标识，因为你没有导入Adam优化器，也未定义accuracy变量。

分步解决方案 #

1. 转换训练标签的数值类型 #

将Y_train从字符串类型转换为浮点型或整数型，任选一种即可：

# 方法1：用numpy转换
import numpy as np
Y_train = Y_train.astype(np.float32)

# 方法2：用pandas转换（如果Y_train是Series格式）
Y_train = Y_train.astype('float32')

# 方法3：用TensorFlow转换
Y_train = tf.convert_to_tensor(Y_train, dtype=tf.float32)

转换后可通过print(Y_train.dtype)确认，结果应为float32或int32。

2. 修正模型编译的参数错误 #

编译模型时，优化器和指标需要正确指定：

# 先导入Adam优化器
from tensorflow.keras.optimizers import Adam

# 编译时实例化Adam优化器，用字符串指定准确率指标
model1.compile(optimizer=Adam(),
               loss='binary_crossentropy',
               metrics=['accuracy'])

也可以使用TensorFlow的指标类替代字符串：

from tensorflow.keras.metrics import BinaryAccuracy
model1.compile(optimizer=Adam(),
               loss='binary_crossentropy',
               metrics=[BinaryAccuracy()])

3. 额外检查：输入特征X_train的类型 #

确保X_train也是数值型（浮点或整数），如果存在字符串特征，需要先做编码处理（比如独热编码、标签编码），否则也会触发类似类型错误。

修正后的完整代码示例 #

import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow.keras.optimizers import Adam

# 先转换Y_train类型（假设已加载数据集）
Y_train = Y_train.astype('float32')

model1 = tf.keras.models.Sequential()
# 添加输入层与第一个隐藏层
model1.add(Dense(units=15,
                 input_shape=(X_train.shape[1],),
                 kernel_initializer='uniform',
                 activation='relu'))
# 添加第二个隐藏层
model1.add(Dense(units=50, kernel_initializer='uniform', activation='relu'))
# 添加输出层
model1.add(Dense(units=1, kernel_initializer='uniform', activation='sigmoid'))
# 编译ANN
model1.compile(optimizer=Adam(),
               loss='binary_crossentropy',
               metrics=['accuracy'])
model1.summary()
# 拟合训练集
history = model1.fit(X_train, Y_train, batch_size=64, epochs=10, verbose=1)

内容的提问来源于stack exchange，提问作者sisay sebsibe