TensorFlow构建神经网络报错：TypeError: 'int'对象不可迭代

问题场景 #

作为机器学习新手，使用Kaggle的Simple Gender Classification数据集（命名为gender_2），完成独热编码、数据归一化后，构建神经网络时触发报错：

TypeError: 'int' object is not iterable

报错指向代码中input_shape=139的设置，修改数值后问题仍存在。

错误原因 #

Keras的Dense层中，input_shape参数要求传入可迭代的结构（元组或列表），用来定义输入数据的维度。直接传入单个整数139时，Python会尝试遍历这个整数，导致"int不可迭代"的错误。

另外代码中还有一处拼写错误：tf.keras.losess.mae应该是tf.keras.losses.mae（多写了一个s），这会导致后续编译模型时也报错。

解决方案 #

1. 修正input_shape的写法，使用元组形式input_shape=(139,)，末尾的逗号不能省略，用来明确这是一个单元素元组。
2. 修正损失函数的拼写错误。

修正后的完整神经网络代码 #

tf.random.set_seed(42)

# 修正input_shape为元组格式，修正losses拼写
model_gender_2 = tf.keras.Sequential([
    tf.keras.layers.Dense(60, input_shape=(139,)),
    tf.keras.layers.Dense(30),
    tf.keras.layers.Dense(1)
])

model_gender_2.compile(
    loss = tf.keras.losses.mae,
    optimizer = tf.keras.optimizers.Adam(learning_rate = 0.01),
    metrics = ["mae"]
)
model_gender_2.fit(X_train_normal_2, y_train, epochs = 120)

额外提示：如果不确定输入维度的准确值，可以通过X_train_normal_2.shape[1]动态获取，避免手动输入数值出错，写法如下：

tf.keras.layers.Dense(60, input_shape=(X_train_normal_2.shape[1],))

内容的提问来源于stack exchange，提问作者Adam Black