使用TensorFlow Estimator执行predict时出现Tensor秩不足无法batching错误如何解决

报错的核心是tf.data.Dataset.from_tensor_slices的输入参数不符合维度要求：

• 你定义的pred字典中所有特征值都是0维标量（shape为()），from_tensor_slices会默认对输入张量的第0维做切片生成单样本数据，0维张量不存在样本维度，切片后生成的数据集元素秩不足，调用batch方法时触发错误。
• TensorFlow Estimator要求输入函数返回的所有特征张量，第0位必须是样本维度，即使只有1个预测样本，也需要明确保留该维度。

提供两种可直接落地的修改方案，按需选择即可：

方案1：修改输入特征字典（适配批量预测场景） #

给每个特征值套一层列表，显式增加样本维度，单样本时每个列表长度为1，多批量预测时直接按顺序填入对应样本的特征值即可：

pred = {"Team1":[10764] ,
"Team1Rank":[51],
"Team1Prediction":[17],
"Team2":[8211],
"Team2Rank":[81],
"Team2Prediction":[1],
"Odds1":[1.3],
"Odds2":[3.2],
"BestOf":[3]
}

def pred_fn(features, batch_size=960):
    db = tf.data.Dataset.from_tensor_slices(dict(features)).batch(batch_size)
    return db

predictions = classifier.predict(
    input_fn=lambda: pred_fn(pred))

print(list(predictions))

方案2：调整数据集构造方法（适配单样本预测场景） #

如果不需要修改原pred字典结构，可以把from_tensor_slices替换为from_tensors，直接将整组特征作为单个样本加载，无需切片操作：

pred = {"Team1":10764 ,
"Team1Rank":51,
"Team1Prediction":17,
"Team2":8211,
"Team2Rank":81,
"Team2Prediction":1,
"Odds1":1.3,
"Odds2":3.2,
"BestOf":3
}

def pred_fn(features, batch_size=960):
    db = tf.data.Dataset.from_tensors(dict(features)).batch(batch_size)
    return db

predictions = classifier.predict(
    input_fn=lambda: pred_fn(pred))

print(list(predictions))

内容的提问来源于stack exchange，提问作者Kra1ven