Python 传递将DICT返回给Keras的tf.data.Dataset 背景

据我所知，Keras将成为编写急切/懒惰的不可知论模型的首选方式。Keras（）似乎也支持

tf.data

，这很好，因为这是我当前

tf.estimator

项目使用的ETL

问题 我想保留我的

tf.data

管道，但用

tf.keras.Model

替换我的

tf.estimator

，但是在移植我的图形后，我被一个

ValueError: Please do not pass a dictionary as model inputs.

调用

model.fit（dataset，steps\u per\u epoch=n）

时，我觉得这很奇怪，因为

tf.data

/

tf.estimator

是为使用

（功能：dict，标签：dict）

而构建的，其中dict中的值是张量

总结

---

如何将

tf.keras.Model

用于dicts？

临时解决方法是使用张量元组而不是dicts，例如通过调用

def flatten(dataset):
    return dataset.map(lambda features, labels: (tuple(features.values()), tuple(labels.values())))

在

model.fit

之前，确保

model.call

通过索引而不是键（例如

返回元组（outputs.values（））

等）

不幸的是： 上述黑客只适用于训练数据。对于

model.fit（validation\u data=flant（validation\u dataset），…）

由于一些内部错误，它将无法工作：

与您的情况类似吗？