tensorflow訓練自己製作的tfrecords文件時出現ValueError？

問題的詳細描述及代碼在此鏈接里：

簡單描述一下，就是我直接用dataset讀取csv文件拿去訓練的話不出現問題；但是我將csv文件製作成tfrecords文件的話將會出現ValueError: features should be a dictionary of `Tensor`s. Given type: &錯誤。

谷歌了好幾天，也查了好幾天依然沒有解決。

求助各位大神幫忙看一下！

人類身份驗證 - SegmentFault?

segmentfault.com

初看了下，tfrecord文件本身應該沒有問題，錯誤應該是在你的input_fn上。

即下面這段代碼

def my_input_fn(is_shuffle=False, repeat_count=1):
#略
return features, labels


正如錯誤提示：

ValueError: features should be a dictionary of `Tensor`s. Given type: &

簡單的改成

def my_input_fn(is_shuffle=False, repeat_count=1):
#略
return {features:features}, labels


如果還有問題。就按下面幾步進行排查：

1. 檢查tfrecord文件是否生成正確。將features, labels = iterator.get_next()

features, labels = iterator.get_next()
sess = tf.InteractiveSession()
print(features.eval())
# 可以看到具體的features值就沒錯


2. 這裡你既然使用了feature_columns，就要確保feature_columns中的key和你input_fn中返回的features里的key值相符

使用了

def my_input_fn(is_shuffle=False, repeat_count=1):
#略
return {features:features}, labels


後，錯誤變成了ValueError: Feature PetalLength is not in features dictionary。

這是第二個錯誤。

原因就是上面說的第二點，input_fn中返回的features里的key值和feature_columns不符。

你所使用的feature_columns有4個鍵值

feature_names = [
SepalLength,
SepalWidth,
PetalLength,
PetalWidth
]
feature_columns = [tf.feature_column.numeric_column(k) for k in feature_names]


而你製作的tfrecord的時候把4個features融合在了一起（這種做法是可行的），但是需要在return的部分做對應的調整。

example = tf.train.Example(
features=tf.train.Features(
feature={
label: _int64_feature(label),
features: _float_feature(features)
}
)
)


修改方法1：對parser的返回值進行修改

def parser(record):
keys_to_features = {
label: tf.FixedLenFeature((), dtype=tf.int64),
features: tf.FixedLenFeature(shape=(4,), dtype=tf.float32),
}
parsed = tf.parse_single_example(record, keys_to_features)
my_features = {SepalLength: parsed[features][0],
SepalWidth: parsed[features][1],
PetalLength: parsed[features][2],
PetalWidth: parsed[features][3]
}
return my_features, parsed[label]
def my_input_fn(is_shuffle=False, repeat_count=1):
#略
#改回去
return features, labels


最後給你兩個非常詳細的教程。

zhuanlan.zhihu.comYJango：YJango：TensorFlow高層API Custom Estimator建立CNN+RNN的演示?

zhuanlan.zhihu.com

feature應該是字典類型的，先做個

feature = dict(feature)