TensorFlow输入参数数据类型不匹配报错求助：float64不在允许列表中

这个报错本质是你传入模型的输入数据类型是float64，但TensorFlow的目标操作只支持float16、bfloat16或float32。看你代码里已经尝试过类型转换但注释掉了，大概率是转换的时机或方式不对，我给你梳理两种可行的解决方案：

先确认数据类型 #

首先你可以先打印下数据的类型，明确问题：

print("Images dtype:", train_images.dtype)
print("Annotations dtype:", train_annotations.dtype)

如果输出是float64，就按照下面的方法处理。

情况1：next_batch()返回numpy数组 #

如果你的train_dataset_reader.next_batch()返回的是numpy数组（不是TensorFlow张量），直接用numpy的类型转换最直接，不需要用TensorFlow的函数：

for itr in xrange(MAX_ITERATION):
    train_images, train_annotations = train_dataset_reader.next_batch(batch_size)
    # 直接转换numpy数组类型
    train_images = train_images.astype(np.float32)
    train_annotations = train_annotations.astype(np.float32)
    # 后续模型操作使用转换后的变量
    # ... 你的模型训练代码 ...

情况2：next_batch()返回TensorFlow张量 #

如果返回的是TensorFlow张量，就用tf.cast来转换类型（注意要确保转换后的张量被传入后续操作）：

for itr in xrange(MAX_ITERATION):
    train_images, train_annotations = train_dataset_reader.next_batch(batch_size)
    # 转换张量类型为float32
    train_images = tf.cast(train_images, tf.float32)
    train_annotations = tf.cast(train_annotations, tf.float32)
    # 后续模型操作使用转换后的张量
    # ... 你的模型训练代码 ...

另外，如果你需要把图像数据归一化到[0,1]区间，可以用tf.image.convert_image_dtype，这个函数会自动完成类型转换+归一化：

train_images = tf.image.convert_image_dtype(train_images, tf.float32)

关键注意点 #

一定要确保后续模型训练时使用的是转换后的float32数据，而不是原来的float64变量。很多时候注释掉转换代码后忘了恢复，或者转换后没有赋值给原变量，都会导致报错依然存在。

内容的提问来源于stack exchange，提问作者Wey Shi