嵌套列表转NumPy数组用于GRU模型预测时的张量转换报错问题咨询

• 入参传递逻辑错误：texts_to_sequences接口要求接收文本组成的可迭代对象，直接传入单个字符串时，接口会逐字符拆分做编码匹配，才生成了夹杂大量空列表的异常序列——没有匹配到词表的字符会返回空列表，匹配到的才会返回带单值的嵌套列表。
• 数组类型异常：参差不齐的嵌套子列表（空列表、单值列表混杂）会让NumPy生成object类型的数组，数组元素直接存储Python原生list对象，既无法满足GRU模型要求的3维数值输入格式，也无法被TensorFlow正常转换为计算张量，最终触发类型转换报错。

第一步：修正源头的token生成逻辑 #

优先解决根因的参数传值错误，从生成端避免空列表、嵌套结构的问题：

# t 为提前拟合好词表的Tokenizer实例
initial_window = 'I have a bad feeling about this'
# 正确写法：将单条文本包装为列表传入接口，避免逐字符拆分
seq_tokens = t.texts_to_sequences([initial_window])[0]

修正后得到的是一维整数token列表，没有任何空值或嵌套结构。

第二步：调整序列形状为模型要求的(1,7,1)格式 #

在拿到一维整数token列表后，根据需求对齐序列长度并调整维度：

• 若需要严格取7个时间步长度：直接截取对应长度的token，再通过reshape匹配三维输入结构

  import numpy as np
  # 截取前7个token（若长度不足可自行补0对齐）
  seq_7len = np.array(seq_tokens[:7], dtype=np.int32)
  # 调整形状为 batch_size=1, time_step=7, feature_dim=1
  X_in = seq_7len.reshape(1, 7, 1)
  

• 若无法修改源头的token生成逻辑：可对已生成的异常嵌套结构做清洗，压平嵌套列表、过滤空值后再做形状调整

  # 压平嵌套列表、过滤空值
  flat_tokens = []
  for sub in seq_tokens:
      if sub:
          flat_tokens.extend(sub)
  # 取前7个值做形状调整
  X_in = np.array(flat_tokens[:7], dtype=np.int32).reshape(1,7,1)
  

注意：只要保证NumPy数组的dtype为数值类型（int/float）、所有元素没有原生Python list嵌套，就不会触发Failed to convert a NumPy array to a Tensor的类型转换错误。

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