如何将NumPy数组转换为Tensor？解决归一化层转换报错问题

问题场景与代码 #

构建ANN模型时，在数据预处理阶段添加归一化层触发转换错误，代码如下：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow import keras 
from tensorflow.keras import layers

# Part 1 - Data Preprocessing
# Importing the dataset
dataset = pd.read_csv('Data for IL V2.csv', encoding = ('ISO-8859-1'), low_memory= False)

#Split features from labels
train_dataset = dataset.sample(frac=0.8, random_state=0)
test_dataset = dataset.drop(train_dataset.index)
# 注：原代码中"train the model to predict."为无效语句，需删除
train_features = train_dataset.copy()
test_features = test_dataset.copy()
train_labels = train_features.pop('x_CO2')
test_labels = test_features.pop('x_CO2')

#The Normalization layer
normalizer = tf.keras.layers.Normalization(axis=-1)
print(type(normalizer))
normalizer.adapt(np.array(train_features))

报错信息 #

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float).

报错解决方法 #

• 排查非数值特征：报错核心是train_features中存在无法转换为Tensor的列（比如object类型的字符串列）。先执行print(train_features.dtypes)查看所有列的数据类型，对非数值列做处理：要么删除无用列，要么通过独热编码、标签编码将其转为数值类型。
• 强制统一数据类型：确认所有特征都是数值但类型不兼容时，直接转换为Tensor支持的float32类型：

  # 转换特征数据类型
  train_features = train_features.astype(np.float32)
  test_features = test_features.astype(np.float32)
  # 直接传入DataFrame即可，无需转NumPy数组
  normalizer.adapt(train_features)
  

• 清理无效代码：删除原代码中无意义的语句train the model to predict.，避免语法或逻辑干扰。

NumPy数组转Tensor的常用方法 #

• 使用tf.convert_to_tensor()：显式转换，支持指定目标数据类型

  np_array = np.array([1.2, 3.4, 5.6], dtype=np.float32)
  tensor = tf.convert_to_tensor(np_array, dtype=tf.float32)
  

• 使用tf.constant()：创建常量Tensor，自动识别NumPy数组类型

  tensor = tf.constant(np_array)
  

• 关键注意点：NumPy数组的元素类型必须是Tensor兼容的数值类型（如float32、int32），如果数组包含object类型元素（比如字符串），必须先预处理为数值类型再转换。

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