tf.data.Dataset.from_generator适配多输入网络output_types配置报错问题

问题原因 #

你的报错核心是output_types的结构和生成器每次yield返回的元素结构不匹配：

• x_data_gen每次迭代返回的是长度为num_inputs的张量列表，对应单条样本的所有输入
• 你当前定义的x_types是长度为num_exp的列表，结构完全不对应，TensorFlow无法正确解析类型

修复方案 #

方案1：修正output_types配置 #

把x_types的生成长度从num_exp改成num_inputs即可：

# 原错误写法：x_types = [ tf.float32 for _ in range(num_exp) ]
# 修正后：
x_types = [ tf.float32 for _ in range(num_inputs) ]
y_types = tf.float32

inputs = tf.data.Dataset.from_generator(x_data_gen, output_types=x_types)
y = tf.data.Dataset.from_generator(y_data_gen, output_types=y_types)

方案2：用output_signature更稳妥 #

如果想避免后续出现形状不匹配的隐式报错，更推荐用output_signature参数同时指定类型和形状：

x_signature = [ tf.TensorSpec(shape=(1,6000,1), dtype=tf.float32) for _ in range(num_inputs) ]
y_signature = tf.TensorSpec(shape=(1,6000,1), dtype=tf.float32)

inputs = tf.data.Dataset.from_generator(x_data_gen, output_signature=x_signature)
y = tf.data.Dataset.from_generator(y_data_gen, output_signature=y_signature)

Y生成器运行正常是因为它每次yield单个张量，你传的y_types是单个tf.float32类型，结构完全匹配，没有解析问题。

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