使用TensorFlow Dataset API读取多CSV时遇list无get_shape属性错误

嘿，我来帮你搞定这个'list' object has no attribute 'get_shape'的问题～

从你给出的代码片段来看，之前的decode_csv逻辑是没问题的，这个错误大概率是你在构建Dataset的后续操作中，不小心把普通Python列表当成TensorFlow的Tensor对象来处理了。TensorFlow的Dataset API只认Tensor或Dataset对象，一旦你传入了原生列表，就会触发这个属性错误。

我给你梳理几个最常见的坑和对应的解决方案：

1. 检查interleave/flat_map的返回值 #

如果你是用多文件读取，肯定会用到interleave或者flat_map来遍历每个CSV文件。这里一定要确保你传入的lambda函数返回的是**TextLineDataset（或其他Dataset对象）**，而不是把Dataset转换成了Python列表。

❌ 错误示例（会触发问题）：

# 错误：把Dataset转成了列表
dataset5 = tf.data.Dataset.from_tensor_slices(filenames)
dataset5 = dataset5.interleave(lambda fn: list(tf.data.TextLineDataset(fn).map(decode_csv)))

✅ 正确写法：

record_defaults = [[""], [0.0], [0.0], [0.0], [0.0], [0.0], [0.0]]
def decode_csv(line):
    col1, col2, col3, col4, col5, col6, col7 = tf.decode_csv(line, record_defaults)
    features = tf.stack([col2, col3, col4, col5, col6])
    labels = tf.stack([col7])
    return features, labels

filenames = tf.placeholder(tf.string, shape=[None])
# 从文件名构建基础Dataset
dataset5 = tf.data.Dataset.from_tensor_slices(filenames)
# 用interleave读取每个文件，返回的是Dataset对象
dataset5 = dataset5.interleave(
    lambda filename: tf.data.TextLineDataset(filename).skip(1).map(decode_csv),  # skip跳过表头
    cycle_length=4  # 并行处理的文件数
)
# 后续的洗牌、批量操作
dataset5 = dataset5.shuffle(buffer_size=1000).batch(32)

2. 确保map操作返回的是Tensor #

如果你的map函数里不小心返回了Python列表（比如手动把Tensor转成了列表），也会触发这个错误。比如不要在decode_csv里做类似return list(features), list(labels)的操作——你现在的tf.stack已经正确返回Tensor了，保持这个逻辑就好。

3. 喂数据时的小细节 #

当你给filenames placeholder喂数据时，尽量传入numpy数组而不是普通Python列表（虽然TensorFlow能兼容，但避免潜在的类型混淆）：

# 比如你有多个CSV路径
csv_files = ["data1.csv", "data2.csv", "data3.csv"]
# 转成numpy数组再喂入
sess.run(..., feed_dict={filenames: np.array(csv_files)})

按照上面的步骤排查一遍，应该就能解决这个问题啦～

内容的提问来源于stack exchange，提问作者edn