TensorFlow训练报错ValueError:无法将NumPy数组转为Tensor求助

1 核心错误：npz读写逻辑导致输入数据结构/类型不合法 #

你在生成npz文件时用*p将样本列表展开为多个独立参数传入np.savez_compressed，等价于把每个样本的矩阵单独存储为npz下的独立数组，读取时.values()得到的是多个零散数组组成的可迭代对象，转列表后puzzle_train是元素为独立矩阵的列表，且因为开启allow_pickle=True整体dtype为object，TensorFlow无法将这种结构直接转换为Tensor，触发报错。

修复方案有两种，二选一即可： #

• 方案A：优化npz生成逻辑，直接存整组数（更推荐，读写效率更高）
  修改生成代码：

def dataConverter():
    for file in range(2, 13, 2):
        filename = "data/puzzle_data%s.csv" % file
        data = pd.read_csv(filename, header=None)
        p = []
        for i in range(data.shape[0]):
            if (i % 500 == 0):
                print(i) 
            puzzle = pr(data[0][i], data[1][i], data[2][i].split(" "))
            p.append(puzzle.get_matrix_representation())
        # 新增：先把样本列表转成统一维度的大数组
        p = np.array(p)
        np.savez_compressed("data/matrix_rep%s" % file, data=p)

对应修改读取代码：

# 直接读取整组数据，不需要拼接
puzzlesdb = np.load("data/matrix_rep%s.npz" % num, allow_pickle=True)['data']
puzzle_train = puzzlesdb[:train_ind]

• 方案B：不修改生成逻辑，只修改读取逻辑，手动拼接样本

puzzlesdb = np.load("data/matrix_rep%s.npz" % num, allow_pickle=True)
# 按存储的key读取所有样本，拼接为统一数组
all_puzzles = np.array([puzzlesdb[k] for k in puzzlesdb.keys()])
puzzle_train = all_puzzles[:train_ind]

2 次要可能错误：标签类型不兼容 #

你当前传入的train_labels是pandas Series类型，部分TensorFlow版本对pandas自定义类型适配有问题，建议转成NumPy数组再传入：

puzzle_labels = pd.read_csv("data/puzzle_data%s.csv" % num, 
                        names=["fen", "moves", "labels"]).pop("labels")
train_labels = puzzle_labels.head(train_ind).values

3 可选检查项 #

如果修改后仍报错，检查puzzle.get_matrix_representation()的返回值，确认所有返回结果都是数值类型的数组，没有None、字符串、类对象等非数值返回，单个样本类型异常会导致整个数组的dtype被推导为object，同样会触发转换失败。

内容的提问来源于stack exchange，提问作者Schtew