如何解决Keras模型中嵌套列表转NumPy数组的Tensor转换错误

这个错误的核心原因是你转为dtype=object的NumPy数组中嵌套了列表结构，TensorFlow无法直接将这种不规则的object数组转换为张量。以下是具体修复步骤：

• 先排查数组内部结构
  先确认数组元素的类型，执行以下代码查看：

  print(finalStiff.dtype)
  print(type(finalStiff[0]))  # 查看第一个样本的类型，如果输出是<class 'list'>，就确认了问题
  

• 转换为统一的数值型数组
  根据数据结构选择对应方法：

  1. 若所有样本长度一致：
     直接将数组强制转换为数值类型（比如float32，符合Keras的默认精度）：

     import numpy as np
     finalStiff = np.asarray(finalStiff, dtype=np.float32)
     rul_labels = np.asarray(rul_labels, dtype=np.float32)
     

  2. 若样本长度不一致（存在变长序列）：
     需要对序列做padding或截断，统一到固定长度，示例代码：

     max_sequence_length = max(len(sample) for sample in finalStiff)
     # 用0填充到最大长度，也可以选择其他填充方式如均值、重复
     padded_stiff = np.array([
         np.pad(sample, (0, max_sequence_length - len(sample)), mode='constant')
         for sample in finalStiff
     ], dtype=np.float32)
     rul_labels = np.asarray(rul_labels, dtype=np.float32)
     

• 验证转换结果
  转换后检查数组的形状和类型，确保符合要求：

  print(padded_stiff.shape)  # 应该是(样本数, 特征长度)的二维数组
  print(padded_stiff.dtype)  # 输出应为float32或其他数值类型
  

  确认无误后再传入Keras模型进行训练。

• 预防建议
  生成合成数据时，尽量直接生成数值型的NumPy数组，避免先转成object类型，从源头避免这类转换问题。

内容的提问来源于stack exchange，提问作者Royal