线性 Model 不支持将字符串转换为浮点数

Question

我的线性 model 中不断出现此错误：

不支持将字符串转换为浮点数

具体来说，错误是在这一行：

results = m.evaluate(input_fn=lambda: input_fn(df_test), steps=1)

如果有帮助，这里是堆栈跟踪：

 File "tensorflowtest.py", line 164, in <module>
    m.fit(input_fn=lambda: input_fn(df_train), steps=int(100))
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/linear.py", line 475, in fit
    max_steps=max_steps)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 333, in fit
    max_steps=max_steps)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 662, in _train_model
    train_op, loss_op = self._get_train_ops(features, targets)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 963, in _get_train_ops
    _, loss, train_op = self._call_model_fn(features, targets, ModeKeys.TRAIN)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 944, in _call_model_fn
    return self._model_fn(features, targets, mode=mode, params=self.params)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/linear.py", line 220, in _linear_classifier_model_fn
    loss = loss_fn(logits, targets)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/linear.py", line 141, in _log_loss_with_two_classes
    logits, math_ops.to_float(target))
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", line 661, in to_float
    return cast(x, dtypes.float32, name=name)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/ops/math_ops.py", line 616, in cast
    return gen_math_ops.cast(x, base_type, name=name)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/ops/gen_math_ops.py", line 419, in cast
    result = _op_def_lib.apply_op("Cast", x=x, DstT=DstT, name=name)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/framework/op_def_library.py", line 749, in apply_op
    op_def=op_def)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2380, in create_op
    original_op=self._default_original_op, op_def=op_def)
  File "/home/computer/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1298, in __init__
    self._traceback = _extract_stack()

UnimplementedError (see above for traceback): Cast string to float is not supported
         [[Node: ToFloat = Cast[DstT=DT_FLOAT, SrcT=DT_STRING, _device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_1)]]

model 是对此处和此处教程的改编。 教程代码确实运行了，所以我的TensorFlow安装没有问题。

输入 CSV 是许多二进制分类列 ( yes / no ) 形式的数据。 最初，我将每列中的数据表示为 0 和 1，但是当我将其更改为y s 和n s 时，我得到了同样的错误。

我该如何解决？

Answer 1

我遇到了完全相同的问题，您需要确保为模型提供的输入数据格式正确。 （不仅是特征，还有标签列）

我的问题是我没有跳过数据文件中的第一行，所以我试图将标题转换为浮点格式。就像添加一样简单

skiprows=1

读取 csv 时：

df_test = pd.read_csv(test_file, names=COLUMNS_TEST, skipinitialspace=True, skiprows=1, engine="python")

我建议你检查：

df_test.dtypes

你应该得到类似的东西

Feature1      int64
Feature2      int64
Feature3      int64
Feature4      object
Feature5      object
Feature6      float64
dtype: object

如果您没有获得正确的 dtype，则 model.fit 将失败

Answer 2

问题是您可能已经将特征表示为真实类型，但在您的数据框中仍然是字符串，或者在 tf.constant 中设置时您没有转换为正确的类型。

确认您的列的类型。 您可以只检查类型（df 是您的数据框）：

df.info()

你可以看到所有的列和类型，有些是这样的：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 178932 entries, 0 to 178931
Data columns (total 64 columns):
d_prcp                      178932 non-null float64
d_stn                       178932 non-null int64
ws_lat                      178932 non-null float64
ws_lon                      178932 non-null float64
d_year                      178932 non-null int64
d_temp                      178932 non-null float64
...

您可以使用此波纹管函数在tensorflow 中以正确的类型转换您的数据。 （此代码来自 repo google/training-data-analyst ： 链接在这里）

def make_input_fn(df):
  def pandas_to_tf(pdcol):
    # convert the pandas column values to float
    t = tf.constant(pdcol.astype('float32').values)
    # take the column which is of shape (N) and make it (N, 1)
    return tf.expand_dims(t, -1)

  def input_fn():
    # create features, columns
    features = {k: pandas_to_tf(df[k]) for k in FEATURES}
    labels = tf.constant(df[TARGET].values)
    return features, labels
  return input_fn

def make_feature_cols():
  input_columns = [tf.contrib.layers.real_valued_column(k) for k in FEATURES]
  return input_columns

Answer 3

你不能从字面上将字符串转换为数字，尤其是将“y”、“n”转换为 1.0/0.0。

如果您有数字字符串（例如“0”），您可以尝试tf.string_to_number(..)

Answer 4

我正在使用 W10、Python3 和 Tensorflow 1.9

我的代码中的错误来源在功能定义中。 我有一个布尔特性， default_value为 -1，如下所示：

tf.feature_column.categorical_column_with_vocabulary_list( 
    key='partial_funding_indicator', vocabulary_list=['True', 'False'],
    dtype=tf.string, **default_value=-1**, num_oov_buckets=None)

当default_value更改为0时，问题没有出现：

tf.feature_column.categorical_column_with_vocabulary_list(
    key='partial_funding_indicator', vocabulary_list=['True', 'False'],
    dtype=tf.string, **default_value=0**, num_oov_buckets=None)

default_value是要为词表外特征值返回的整数 ID 值。 例如，在像['True', 'False']这样的值的列表/文件中，要使default_value == True ，它将是default_value=0 ； 列表索引。

Answer 5

当我尝试在不同的数据集上复制步骤以进行练习时，我遇到了同样的问题。

修复简单，只需使用以下代码将目标列的数据类型更改为 int，

df["target_column_name"] = df["target_column_name"].astype(str).astype(int)

此外，当目标列最初位于您的数据文件中时，您需要在开始时执行此操作。

Answer 6

您的类可能是字符串形式，它们需要是数字（1 和 0 仅适用于本特定教程）

Answer 7

通常这个错误是因为m.evaluate不知何故是空的。

由于您从 csv 文件加载数据，因此您的数据很可能存储为字符串而不是数组中的 float 或 int。 我建议您手动检查以确保。

Answer 8

在您的代码中，您使用tf.cast()将字符串转换为数字，但您不能这样做。 用tf.strings.to_number()替换它：

tf.strings.to_number(x, out_type=tf.float32)

Answer 9

问题是您导入的文件上有一个标题。 标题是string类型，其余行是int64或float64 。 虽然类型在列中是变体，但它们被键入为object 。 您可以检查并确保这是此代码的问题：

df_test.dtypes

要解决这个问题，您可以在将其导入 pyhton 之前简单地从 CSV 中删除标题行。 请记住，如果您在导入后删除该行，它将不起作用并且数据类型不会改变！

Answer 10

另一种方法是使用

df = df.astype({'COL1': 'float64', 'COL2': 'float64'})

对于数据框

Answer 11

有时原因是您的馈送数据不是字符串格式，这是错误数据的示例

,0
' or x = 1 , 1, 0,1
SELECT * FROM USERS WHERE(1 = 1, 1, 0 = 0,0),1

尝试先清理您的数据集，老实说这在我的毕业项目数据集中对我有用

Answer 12

直接的答案是，您需要在一开始df_test的格式更改为与df_train相同的格式。

例如，

df_train.replace({'yes':1,'no':0}, inplace = True)
    
df_test.replace({'yes':1,'no':0}, inplace = True)