TensorFlow线性回归报错：张量转换失败及队列元素不足问题求助

第一个错误：ValueError: None values not supported #

从报错回溯的关键信息Tried to convert 'n' to a tensor and failed. Error: None values not supported.可以看出，问题出在队列操作的batch_size参数上——它被设成了None，而TensorFlow不允许将None转换为张量。

回到你最初的代码，根源应该是创建training_input_fn时，没有给pandas_input_fn指定有效的正整数batch_size，或者不小心将其设为了None。TensorFlow底层的队列操作无法处理空的batch_size参数，因此抛出了这个错误。

解决办法：
创建input_fn时明确设置一个合理的正整数batch_size（比如32、64或128）：

training_input_fn = tf.estimator.inputs.pandas_input_fn(
    x=df_train[feature_columns],
    y=df_train['arr_delay'],
    batch_size=128,  # 必须是正整数，不能为None
    shuffle=True,
    num_epochs=...
)

第二个错误：OutOfRangeError: FIFOQueue ... is closed and has insufficient elements #

这个错误说明数据队列已经被清空，但模型仍在尝试读取数据，常见原因和解决思路如下：

1. 训练数据为空，加载或预处理出错 #

首先要确认CSV数据是否正确加载，建议在读取数据后添加一行验证代码：

df_train = pd.read_csv("201701.csv")
print(f"训练集有效行数：{df_train.shape[0]}")

如果输出为0，说明数据路径有误，或者预处理逻辑（比如dropna()）不小心删除了所有行。这种情况需要检查数据路径和缺失值处理逻辑。

2. num_epochs设置过小，数据提前耗尽 #

你设置了steps=10000的训练步数，但如果num_epochs设为1，当模型读完一轮训练数据后，队列会自动关闭，后续的训练步骤就会因无数据可取而报错。

解决办法：
将num_epochs设为None，让input_fn无限循环使用训练数据，直到完成指定的训练步数：

training_input_fn = tf.estimator.inputs.pandas_input_fn(
    x=df_train[feature_columns],
    y=df_train['arr_delay'],
    batch_size=128,
    shuffle=True,
    num_epochs=None  # 无限迭代数据，直到steps完成
)

3. 复用了已关闭的input_fn实例 #

如果在代码中重复使用同一个training_input_fn实例，第一次调用后队列会被关闭，再次调用就无法读取数据。这种情况要确保每次需要input_fn时，都重新创建一个新的实例。

总结排查步骤 #

1. 验证训练数据是否正确加载，确保数据集非空；
2. 确认input_fn的batch_size为有效正整数，不能为None；
3. 训练时将num_epochs设为None，避免数据提前耗尽；
4. 检查预处理逻辑，防止数据被意外过滤为空。

内容的提问来源于stack exchange，提问作者niharvey