TensorFlow提取UTKFace文件名标签时报StringToNumber转换错误及Tensor显示疑问

• 根本诱因是UTKFace公开数据集存在命名不规范的脏文件，并非你编写的解码逻辑本身有问题。
  标准UTKFace文件的命名规则是年龄_性别_种族_时间戳.jpg.chip.jpg，但官方发布的版本里混杂了部分命名缺失的文件，按_拆分文件名后会出现空字符串片段。当tf.strings.to_number尝试把空字符串转换为整型时，就会抛出报错信息里提到的“无法正确转换字符串”的异常，报错提示里“convert string:”后无具体内容，正是空字符串被传入转换接口的表现。
• 单条校验没有报错的原因：你做单条测试时是随机抽样，恰好命中的都是命名合规的样本；当对数据集应用.batch()后遍历全量文件时，才会扫到之前随机抽取没碰到的异常命名文件，触发运行时错误。
• 修复方向：在构建文件列表的阶段增加文件筛选逻辑，把命名不满足「下划线拆分后前3段全为纯数字」的文件从数据集里过滤掉，从根源避免解码时的字符串转换异常。

• 你看到的输出tf.Tensor([1 0 2], shape=(3,), dtype=int64)是形状为(3,)的一维int64类型数值张量，完全符合标签提取的预期结果。
• 打印内容不带逗号是TensorFlow Eager模式下一维张量的默认显示规则，和NumPy一维数组的打印逻辑完全一致；你预期的带逗号分隔的样式（如[1, 0, 2]）是Python原生列表的打印风格，并不代表张量类型存在问题。这个张量可以直接作为多维度标签送入模型训练，不需要做额外格式调整。

内容的提问来源于stack exchange，提问作者elambrop