TF-1.4版本下如何对值为字符串类型的tf张量按分隔符执行拆分操作

• 你使用的TensorFlow 1.4版本不存在tf.strings.split接口，该接口是TensorFlow 2.0版本才新增的，因此方案2报错
• Tensor张量本身没有Python字符串的split方法，因此方案1报错
• 方案3报错的核心原因是你的input_label_tensor实际数据类型为float32，并非你预期的字符串类型，而tf.string_split要求输入必须是字符串类型的张量，因此触发了类型不匹配错误。

步骤1：修复张量类型 #

优先在数据读取环节直接指定标签列的类型为tf.string，避免后续转换出现格式问题。如果暂时无法修改读取逻辑，可以先做强制类型转换：

# 将float32类型的输入张量转换为字符串类型
str_label_tensor = tf.as_string(input_label_tensor)

步骤2：调用拆分接口 #

TensorFlow 1.4版本使用tf.string_split完成字符串拆分，该接口默认返回SparseTensor类型，若需要密集格式可以做二次转换：

# 按逗号拆分字符串
sparse_label_list = tf.string_split(str_label_tensor, delimiter=',')
# 可选：将稀疏张量转为密集张量，default_value可根据需求调整补位值
dense_label_list = tf.sparse_tensor_to_dense(sparse_label_list, default_value='')

注意事项 #

如果tf.as_string转换后出现"0.0,1.0"这类带小数点的不符合预期的格式，说明数据读取阶段错误地将字符串列解析为了数值类型，必须修改数据读取代码，直接指定该列的dtype为tf.string，即可直接传入tf.string_split使用，无需额外转换。

内容的提问来源于stack exchange，提问作者dingx