基因组序列CNN分类中NumPy数组转Tensor报错如何解决？

tf.convert_to_tensor报错的核心原因是你生成的train_data为object类型的NumPy数组，而非标准二维数值数组。从输出的结构可以看到，外层数组的每个元素都是独立的一维NumPy数组，这种嵌套结构TensorFlow无法直接解析为张量。
该问题通常由序列长度不一致导致：调用np.asarray(train_data)时，若所有一维数组长度相同会自动堆叠为二维数组；若长度不一致，就会生成元素为数组的object类型数组。

根据你的序列长度是否统一，对应两种解决方案：

1. 所有序列长度一致 #

直接修改最后一步数组转换逻辑，强制堆叠为标准二维数组即可：

train_data = conversion(df)
# 强制堆叠为二维数组，若序列长度不一致此处会直接报错，可用于提前排查问题
train_data = np.stack(train_data, axis=0)
# 转换为张量
train_tensor = tf.convert_to_tensor(train_data, dtype=tf.float32)

2. 序列长度不一致 #

CNN要求输入维度固定，你需要先将所有序列对齐到统一长度，做截断或补全处理：

import tensorflow as tf

# 可根据数据集分布设定统一长度，比如取所有序列的最大长度或95分位长度
MAX_SEQ_LENGTH = 2000 

train_data = conversion(df)
# 序列对齐：长度超出则截断，不足则补0（和你设定的非标准碱基编码值一致）
train_data = tf.keras.preprocessing.sequence.pad_sequences(
    train_data,
    maxlen=MAX_SEQ_LENGTH,
    dtype="float32",
    padding="post", # 补0位置：post为末尾补，pre为开头补
    truncating="post", # 截断位置：post为截末尾，pre为截开头
    value=0.0
)
# 转换为张量
train_tensor = tf.convert_to_tensor(train_data)

你当前使用的序数编码会给碱基引入不存在的数值顺序关系（比如A<C<G<T），对于CNN模型更推荐使用独热编码，每个碱基对应4维（或5维，包含非标准碱基）的0/1向量，通常能获得更好的特征提取效果。

内容的提问来源于stack exchange，提问作者Mahfuz