构建预测滑动窗口数据集时NumPy数组转Tensor报错如何解决

构造时间序列预测任务的滑动窗口格式数据集时，在模型训练阶段触发NumPy数组转Tensor失败的报错。
原始滑动窗口构造代码如下：

X_train = []
Y_train = []
for i in range(15, 3000, 1):
    X_train.append(dataset[i-15:i, 0])
    Y_train.append(dataset[i:i+15, 0])

return np.array(X_train), np.array(Y_train)

触发的核心报错信息如下：

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray).
报错发生在model.fit()执行阶段，TensorFlow尝试将输入的NumPy数组转换为训练用EagerTensor时失败，提示不支持numpy.ndarray对象类型。

该报错的核心原因是传入TensorFlow/Keras的训练数据为dtype=object的非规整NumPy数组，这类数组存储的元素是独立的ndarray对象而非统一维度的数值，无法被转换为标准张量。结合滑动窗口代码逻辑，常见触发场景有两个：

• 循环索引越界：代码中循环变量i最大值取到2999，构造标签Y_train时需要取i到i+15的切片，当i的取值大于数据集总长度-15时，切片会被截断，导致不同标签样本的长度不一致，np.array()拼接长度不一致的子数组时会自动生成object类型数组
• 原始数据集类型异常：输入的dataset本身混杂字符串、空值等非数值内容，切片后子数组元素类型不统一，转NumPy数组时自动降级为object类型

1. 修正滑动窗口的循环边界，同时显式指定数组转换的数据类型，避免生成object数组，修正后代码如下：

import numpy as np

def build_sliding_dataset(dataset, window_len=15, train_split_idx=3000):
    # 提前做边界校验，避免索引越界导致切片截断
    max_valid_idx = train_split_idx - window_len
    assert max_valid_idx >= window_len, "数据集长度不足，无法构造指定长度的滑动窗口"
    
    X_train, Y_train = [], []
    # 调整循环上界，保证标签窗口切片长度统一为window_len
    for i in range(window_len, max_valid_idx + 1):
        # 显式转float32类型，匹配TensorFlow默认张量类型
        feature_slice = dataset[i-window_len:i, 0].astype(np.float32)
        label_slice = dataset[i:i+window_len, 0].astype(np.float32)
        X_train.append(feature_slice)
        Y_train.append(label_slice)
    
    # 转数组时显式指定dtype，从根源避免object类型生成
    X_train = np.array(X_train, dtype=np.float32)
    Y_train = np.array(Y_train, dtype=np.float32)
    
    # 构造完成后打印校验信息
    print(f"训练特征形状：{X_train.shape}，数据类型：{X_train.dtype}")
    print(f"训练标签形状：{Y_train.shape}，数据类型：{Y_train.dtype}")
    return X_train, Y_train

2. 额外校验步骤：

• 构造数据集前先执行print(dataset.dtype, len(dataset))，确认原始dataset为数值型数组，无空值、字符串等异常内容
• 如果任务是单步预测而非15步多步预测，将标签切片改为dataset[i, 0]即可，保证标签维度和模型输出层维度匹配
• 若构造完数组后打印dtype仍为object，逐次打印每个切片的长度，定位长度不一致的异常切片

内容的提问来源于stack exchange，提问作者Deong