MLflow调用部署模型报TypeError: Only dict and DataFrame input types are supported如何解决

你遇到的报错本质是MLflow官方内置的TensorFlow模型预测器，只接收字典（匹配TF模型输入张量名的键值对）或Pandas DataFrame类型的输入，你使用的两种请求格式被MLflow解析后都被转换为了numpy.ndarray类型，不符合类型校验规则。

方案1：调整请求格式为TF模型兼容的字典结构（推荐，无需修改已部署模型） #

首先确认你注册的TF模型的输入张量名称，可通过MLflow模型详情页的Schema查看，或本地加载模型后运行print(model.signatures["serving_default"].structured_input_signature)获取输入层名，假设你的输入张量名为input_1，修改请求如下：

curl http://127.0.0.1:1234/invocations -H "Content-Type: application/json" -d '{"inputs": {"input_1": [[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 1, 3, 1, 4]]}}'

这种格式下MLflow会直接将输入以字典结构传给TF模型，不会自动转为numpy数组，可绕过类型校验。

方案2：重新注册模型时添加自定义输入适配逻辑 #

如果需要兼容原有instances/pandas-split请求格式，可在日志模型时使用mlflow.pyfunc封装一层输入转换逻辑，示例如下：

import mlflow.pyfunc
import tensorflow as tf

class TFInputAdapter(mlflow.pyfunc.PythonModel):
    def load_context(self, context):
        self.model = tf.keras.models.load_model(context.artifacts["tf_model_path"])
    
    def predict(self, context, model_input):
        # 自动适配numpy数组、DataFrame输入，转为模型需要的格式
        input_array = model_input.values if hasattr(model_input, "values") else model_input
        # 按模型要求调整结构，这里假设模型接收单输入张量
        return self.model({"input_1": input_array})

# 注册模型时使用该封装类
with mlflow.start_run():
    mlflow.pyfunc.log_model(
        artifact_path="model",
        python_model=TFInputAdapter(),
        artifacts={"tf_model_path": "./your_local_tf_model_path"},
        registered_model_name="nuovo_modello"
    )

重新部署Staging版本的模型后，原有请求格式即可正常使用。

方案3：启动服务时指定输入类型转换参数 #

如果使用的是MLflow 2.3+版本，启动模型服务时可添加--env-manager=local并设置环境变量MLFLOW_TF_KEEP_INPUT_AS_DF=1，避免MLflow自动将DataFrame输入转为numpy数组：

MLFLOW_TF_KEEP_INPUT_AS_DF=1 mlflow models serve -m "models:/nuovo_modello/Staging" -p 1234

该配置下pandas-split格式的请求会以DataFrame形式传入模型，符合类型校验要求。

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