如何将含不同形状输入特征的数据转换为TensorFlow Dataset？

一、直接用tf.data.Dataset.from_tensor_slices()转换字典列表 #

直接对字典列表使用from_tensor_slices()完全可行，TensorFlow会自动识别不同类型的数据（字符串、数值、数组），并保留原有的键值结构。示例代码如下：

import tensorflow as tf

data = [
    {
        'input1': 'Hello',
        'input2': -100,
        'input3': [1, 2, 3],
        'target': 1
    },
    {
        'input1': 'World',
        'input2': 200,
        'input3': [4, 5, 6],
        'target': 0
    }
]

# 直接转换为数据集，每个元素是包含所有字段的字典
dataset = tf.data.Dataset.from_tensor_slices(data)

# 拆分输入与标签，适配模型训练需求
def split_input_target(sample):
    inputs = {k: v for k, v in sample.items() if k != 'target'}
    target = sample['target']
    return inputs, target

dataset = dataset.map(split_input_target)

# 验证输出结构
for inputs, target in dataset.take(1):
    print("输入集合：", inputs)
    print("对应标签：", target)

转换后的数据集每个样本会返回输入字典（包含input1/input2/input3）和对应的target标签，刚好适配多输入模型的输入结构。

二、“原始数据→DataFrame→数据集+展平input3”方案的合理性 #

这种方法是合理的，但是否需要展平input3完全取决于你的模型设计：

• 如果模型需要input3作为一维特征（比如输入到全连接层），展平是必要操作，且DataFrame能方便完成结构化数据的清洗、预处理（如编码、标准化）；
• 如果模型需要保留input3的序列结构（比如输入到LSTM/CNN层），展平会破坏数据原有逻辑，此时直接用tf.data.Dataset.from_tensor_slices()保留数组形式更合适。

另外，DataFrame转换的优势在于结构化数据处理便捷，但对于已经规整的字典列表，直接用tf.data方法能减少中间转换开销，效率更高。

三、TensorFlow多输入模型适配说明（官方文档内容翻译） #

多输入与多输出模型 #

当模型需要接收多种类型输入（文本、数值、序列数据等）时，可借助Keras函数式API构建多输入模型，此时数据集输出结构需与模型输入层匹配：

1. 数据集输出要求：每个样本需返回输入字典（键对应模型输入层名称，值对应输入数据），或输入元组（顺序与模型输入层顺序一致），搭配对应标签；
2. 模型构建示例：

from tensorflow.keras import layers, Model

# 定义不同类型的输入层
input1 = layers.Input(shape=(), dtype=tf.string, name='input1')
input2 = layers.Input(shape=(), dtype=tf.float32, name='input2')
input3 = layers.Input(shape=(3,), dtype=tf.float32, name='input3')

# 处理文本输入
processed_input1 = layers.TextVectorization(max_tokens=1000)(input1)
processed_input1 = layers.Embedding(1000, 32)(processed_input1)
processed_input1 = layers.GlobalAveragePooling1D()(processed_input1)

# 拼接所有特征
concatenated = layers.concatenate([processed_input1, input2, input3])
output = layers.Dense(1, activation='sigmoid')(concatenated)

# 构建多输入模型
model = Model(inputs=[input1, input2, input3], outputs=output)

3. 适配逻辑：只要数据集输出的输入结构（字典/元组）与模型输入层完全匹配，即可直接用于训练，无需额外调整。

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