调用model.fit()训练车牌检测模型时遭遇slice2d参数类型错误

错误信息 #

/mnt/d/projects/detect-license-plate-autoixpert/node_modules/@tensorflow/tfjs-core/dist/tf-core.node.js:5481
        throw new Error("Argument '".concat(argName, "' passed to '").concat(functionName, "' must ") +
              ^

Error: Argument 'x' passed to 'slice2d' must be numeric tensor, but got string tensor
    at assertDtype (/mnt/d/projects/detect-license-plate-autoixpert/node_modules/@tensorflow/tfjs-core/dist/tf-core.node.js:5481:15)

张量信息 #

图像张量（trainingImageTensor） #

Tensor {
  kept: false,
  isDisposedInternal: false,
  shape: [ 179 ],
  dtype: 'float32',
  size: 179,
  strides: [],
  dataId: { id: 724 },
  id: 1448,
  rankType: '1'
}

标签张量（trainingLabelTensor） #

Tensor {
  kept: false,
  isDisposedInternal: false,
  shape: [ 179 ],
  dtype: 'string',
  size: 179,
  strides: [],
  dataId: { id: 725 },
  id: 1449,
  rankType: '1'
}

训练代码 #

const trainingImageTensor = tf.tensor(featureImages);
const trainingLabelTensor = tf.tensor(featureLabels);

console.log(trainingImageTensor);
console.log(trainingLabelTensor);

const result = await model.fit(trainingImageTensor, trainingLabelTensor, {
           shuffle: true,
           batchSize       : 32,
           epochs          : 100,
           validationSplit : 0.5,
           callbacks: {
               onEpochEnd: logProgress
 }
});

问题原因与解决方法 #

• 核心问题：模型训练要求标签必须是数值型张量，但当前标签张量为字符串类型（对应车牌号码这类字符串标签），slice2d操作无法处理字符串张量，导致报错。
• 解决步骤：
  1. 标签编码：将字符串形式的车牌标签转换为数值型编码，常用两种方式：
     • 整数编码：给每个唯一车牌分配一个整数ID，后续可配合sparseCategoricalCrossentropy损失函数使用。
     • 独热编码：先将字符串标签映射为整数，再转换为独热向量，适合多分类场景，配合categoricalCrossentropy损失函数。
  2. 修改张量创建代码示例：

     // 生成标签到整数的映射表
     const uniqueLabels = [...new Set(featureLabels)];
     const labelMap = new Map(uniqueLabels.map((label, idx) => [label, idx]));
     // 将字符串标签转为整数数组
     const numericLabels = featureLabels.map(label => labelMap.get(label));
     // 转换为独热张量（分类数为唯一标签的数量）
     const trainingLabelTensor = tf.oneHot(tf.tensor1d(numericLabels, 'int32'), uniqueLabels.length);
     

  3. 调整模型配置：如果使用独热编码，模型输出层神经元数量需等于唯一标签总数，激活函数设为softmax；如果用整数编码，损失函数改为sparseCategoricalCrossentropy即可。

内容的提问来源于stack exchange，提问作者robin187