VGG16迁移学习运行model.fit时出现NumPy数组转Tensor错误排查

你遇到的ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type int)报错，核心原因是输入/标签的数据类型不符合Tensor要求，结合你给出的代码，具体问题和修复方法如下：

• 标签数据类型错误
  你的Sex列是字符串类型（值为female/male），使用class_mode="raw"时生成器会直接返回原始值，字符串无法转换为Tensor，同时不同标签列的int/字符串混合类型也会触发类型不兼容报错。
  修复代码：

  # 性别列数值编码
  training_dataframe['Sex'] = training_dataframe['Sex'].map({'female': 0, 'male': 1})
  validation_dataframe['Sex'] = validation_dataframe['Sex'].map({'female': 0, 'male': 1})
  # 统一标签列为float32类型，适配Tensor输入要求
  training_dataframe[['Sex', 'Weight']] = training_dataframe[['Sex', 'Weight']].astype('float32')
  validation_dataframe[['Sex', 'Weight']] = validation_dataframe[['Sex', 'Weight']].astype('float32')
  

• 列名大小写不匹配
  你的DataFrame中存储文件名的列名为大写的File，但flow_from_dataframe中x_col参数写为小写的file，会导致生成器读取不到有效文件路径，返回空值/对象类型值触发报错，修改对应参数即可：

  # 两个生成器的x_col都修改为大写的File
  train_generator=train_datagen.flow_from_dataframe(
      # 其余参数不变
      x_col="File",
      # 其余参数不变
  )
  valid_generator=test_datagen.flow_from_dataframe(
      # 其余参数不变
      x_col="File",
      # 其余参数不变
  )
  

• 可选的模型适配优化
  性别已经编码为0/1的单值标签，输出层无需设置2个节点，调整为1个节点即可避免后续维度不匹配问题：

  predict_sex = Dense(1, activation='sigmoid')(sex_model)
  

修复后重新运行训练代码即可解决报错。

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