Python 模型拟合（…）和；无法将NumPy数组转换为张量；

我正在使用TensorFlow 2.0进行文本分类

数据结构大致如下所示：

第一种方法：

x:List[List[int]#由句子中每个单词的单词ID列表组成的句子列表
y:List[int]#二进制真值指示符

但是，调用

model.fit（…）

时，我收到以下错误消息：

找不到可以处理输入的数据适配器：（包含类型{'（包含类型{“”}）的值，”（包含类型set（）的值）“}），

尽管没有在任何地方使用

设置

第二种方法： 我尝试对内部列表使用numpy数组，如下所示：

x:List[np.ndarray[np.int32]]
y:np.ndarray[np.int32]

但我收到了以下错误：

输入数组的样本数应与目标数组的样本数相同。找到32个输入样本和479个目标样本。

第三种方法： 这促使我将数据结构更改为：

x:np.ndarray[np.ndarray[np.int32]]
y:np.ndarray[np.int32]

这导致了以下错误：

无法将NumPy数组转换为张量（不支持的对象类型NumPy.ndarray）。

第四种方法： 努力

x:np.ndarray[List[int]]
y:np.ndarray[int]

导致以下类似的错误消息：

无法将NumPy数组转换为张量（不支持的对象类型列表）。

太长，读不下去了 所以问题是：发生了什么？为什么

model.fit（…）

不接受这些参数

---

请参阅下面我的答案。

我之所以记录这种混乱，是因为根本问题与错误消息无关

根本问题是输入数据（

x

）需要填充

句子自然有不同的长度。TensorFlow的

model.fit（…）

不喜欢这样。为了让它玩得更好，我需要填充句子，以确保句子列表中每个句子包含相同数量的单词。（我只是零填充它们。）

---

如果你输入，第三种方法和第四种方法都应该有效。

这是我非常相似问题的答案。