TensorFlow中BatchDataset末尾数据类型指代对象技术问询

首先，你打印ds后看到的末尾tf.int64，指的是数据集输出中标签（target）的数据类型。

原数据集的情况解析 #

在你的代码流程里：

1. 你通过np.where(dataframe['AdoptionSpeed']==4, 0, 1)生成了target列，numpy默认会把这类整数输出设置为int64类型；
2. 在df_to_dataset函数中，labels = dataframe.pop('target')把这个数值型的target列提取出来，和特征字典一起构建tf.data.Dataset；
3. 当你把数据集batch化后，BatchDataset的输出结构是(特征字典, 标签)，所以打印时末尾显示的tf.int64就是标签张量的数据类型。

自定义数据集出现tf.string的原因 #

你切换到自定义数据集后，这个位置变成tf.string，几乎可以确定是你的自定义数据集里的target列是字符串类型（比如用"是"/"否"、"0"/"1"这类文本值来标记类别），而不是数值类型。TensorFlow在从DataFrame转换为Dataset时，会自动识别列的类型，字符串列就会被转换成tf.string类型的张量。

这种情况会直接导致后续模型训练报错——因为分类模型的损失函数（比如BinaryCrossentropy）期望输入的标签是数值类型（int/float），而不是字符串。

解决方法 #

你需要在数据预处理阶段，把自定义数据集的target列转换成数值类型：

1. 如果标签是字符串形式的数值（比如"0"/"1"），可以直接强制转换：

dataframe['target'] = dataframe['target'].astype(int)

2. 如果标签是文本类别（比如"adopted"/"not_adopted"），可以用因子化或者映射的方式转成数值：

# 方法1：用pandas因子化
dataframe['target'], _ = pd.factorize(dataframe['target'])
# 方法2：手动映射
label_map = {"adopted": 1, "not_adopted": 0}
dataframe['target'] = dataframe['target'].map(label_map)

3. 转换后再传入df_to_dataset函数，生成的BatchDataset标签类型就会变成tf.int64（或对应的数值类型），和原数据集保持一致，后续的特征列处理和模型训练就能正常运行了。

内容的提问来源于stack exchange，提问作者zabop