运行CNN情感分析模型时遇TypeError: len() of unsized object错误求助

看起来你在运行Twitter情感分析的CNN模型时踩了Python 3迭代器的坑，我来帮你梳理问题和解决方案：

错误详情 #

你遇到的错误栈如下：

File "twitter-sentiment-cnn.py", line 292, in
test_batches = list(batch_iter(zip(x_test, y_test), FLAGS.batch_size, 1))
File "/home/sanaa/Sentimental/Cnn/twitter-sentiment-cnn/data_helpers.py", line 179, in batch_iter
data_size = len(data1)
TypeError: len() of unsized object

问题根源 #

这个错误的核心原因是：Python 3中的zip()函数返回的是一个迭代器对象，而不是可计算长度的序列（比如列表）。迭代器是按需生成元素的，没有固定的长度，所以当batch_iter函数尝试调用len(data1)时，就会抛出这个类型错误。

如果你的训练代码batches = batch_iter(zip(x_train, y_train), FLAGS.batch_size, FLAGS.epochs)没报错，大概率是训练阶段的x_train和y_train被提前转换成了列表，或者代码中隐含了将zip结果转为列表的操作，但测试阶段漏掉了这一步。

解决方案 #

这里提供两种简单可行的解决办法：

方案1：调用batch_iter前将zip结果转为列表

直接在传入batch_iter之前，把zip(x_test, y_test)和zip(x_train, y_train)转换成列表，这样就可以正常计算长度了：

if FLAGS.train:
    # 批次处理：将zip结果转为列表
    batches = batch_iter(list(zip(x_train, y_train)), FLAGS.batch_size, FLAGS.epochs)
# 测试批次处理同样转换
test_batches = list(batch_iter(list(zip(x_test, y_test)), FLAGS.batch_size, 1))

方案2：修改batch_iter函数适配迭代器

如果你不想每次调用都手动转列表，可以直接修改data_helpers.py中的batch_iter函数，在开头先将输入数据转为列表：

def batch_iter(data, batch_size, num_epochs, shuffle=True):
    # 先将输入数据转为列表，确保可以获取长度
    data = list(data)
    data_size = len(data)
    num_batches_per_epoch = int((data_size - 1) / batch_size) + 1
    
    for epoch in range(num_epochs):
        # 每个epoch打乱数据（如果需要）
        if shuffle:
            shuffle_indices = np.random.permutation(np.arange(data_size))
            shuffled_data = [data[shuffle_indices[i]] for i in range(data_size)]
        else:
            shuffled_data = data
        
        # 生成批次数据
        for batch_num in range(num_batches_per_epoch):
            start_index = batch_num * batch_size
            end_index = min((batch_num + 1) * batch_size, data_size)
            yield shuffled_data[start_index:end_index]

这样不管传入的是迭代器还是序列，函数都会先统一转为列表，彻底避免len()报错的问题。

内容的提问来源于stack exchange，提问作者sany wright