Streamlit部署Keras模型报Cast string to float is not supported错误

报错是因为st.text_input返回值默认是字符串类型，你将字符串直接拼接为numpy数组传入TensorFlow模型，但模型训练时接收的输入是数值型张量，不支持自动将字符串强制转换为浮点数，因此触发类型错误。

按以下步骤调整即可解决问题：

• 统一输入数据类型：所有传入模型的特征值必须显式转换为和训练时一致的数值类型（整数/浮点数），不能直接传入字符串。
• 替换输入组件（推荐）：不要用文本输入框采集结构化医疗特征，换成Streamlit原生的数值输入、选择框组件，从输入源头避免非法字符串输入，同时降低用户输入成本。
• 明确数组数据类型：组装numpy输入数组时，显式指定dtype为np.float32，和TensorFlow模型默认的浮点输入类型对齐。
• 补充预处理对齐：如果模型训练前对特征做了归一化、标准化等缩放操作，推理时传入的输入必须执行完全相同的预处理，否则会出现预测结果偏差。

修正后的核心代码示例 #

# 表单部分替换为对应类型的输入组件，直接返回数值类型结果
with col1:
    age = st.number_input('Age', min_value=1, max_value=120, step=1, value=25)

with col2:
    # 性别固定选项，直接返回模型需要的0/1数值
    sex = st.selectbox('Sex', options=[('Male', 1), ('Female', 0)], format_func=lambda x:x[0])[1]
    
with col3:
    cp = st.selectbox('Chest Pain types', options=[0,1,2,3])
    
with col1:
    trestbps = st.number_input('Resting Blood Pressure', min_value=80, max_value=200, step=1)
    
with col2:
    chol = st.number_input('Serum Cholestoral in mg/dl', min_value=100, max_value=600, step=1)
    
with col3:
    fbs = st.selectbox('Fasting Blood Sugar > 120 mg/dl', options=[('No',0), ('Yes',1)], format_func=lambda x:x[0])[1]
    
with col1:
    restecg = st.selectbox('Resting Electrocardiographic results', options=[0,1,2])
    
with col2:
    thalach = st.number_input('Maximum Heart Rate achieved', min_value=60, max_value=220, step=1)
    
with col3:
    exang = st.selectbox('Exercise Induced Angina', options=[('No',0), ('Yes',1)], format_func=lambda x:x[0])[1]
    
with col1:
    oldpeak = st.number_input('ST depression induced by exercise', min_value=0.0, max_value=10.0, step=0.1)
    
with col2:
    slope = st.selectbox('Slope of the peak exercise ST segment', options=[0,1,2])
    
with col3:
    ca = st.selectbox('Major vessels colored by flourosopy', options=[0,1,2,3,4])
    
with col1:
    thal = st.selectbox('thal: 0 = normal; 1 = fixed defect; 2 = reversable defect', options=[0,1,2])

# 预测逻辑部分
heart_diagnosis = ''

if st.button('Heart Disease Test Result'):
    inputs = (age, sex, cp, trestbps, chol, fbs, restecg,thalach,exang,oldpeak,slope,ca,thal)
    # 显式指定数组类型为float32，避免类型不匹配
    npArray = np.asarray(inputs, dtype=np.float32)
    inReshaped = npArray.reshape(1,-1)
    
    # 如果你训练时做了特征归一化/标准化，在这里对inReshaped做相同处理再传入predict
    heart_prediction = tb_model.predict(inReshaped)                          
    
    # 注意如果是sigmoid输出的概率值，要加阈值判断，不要直接和1比
    if (heart_prediction[0][0] >= 0.5):
        heart_diagnosis = 'The person is having heart disease'
    else:
        heart_diagnosis = 'The person does not have any heart disease'
    
st.success(heart_diagnosis)

补充说明：如果你暂时不想替换输入组件，可以在组装inputs元组时，对每个st.text_input的返回值用float()强转，比如float(age)，但这种方式遇到用户输入非数字内容时会直接报错，鲁棒性较差。

内容的提问来源于stack exchange，提问作者Zahir Ahmad