Python 线性模型中不支持将字符串强制转换为浮点

在我的线性模型中，我一直遇到这样的错误：

不支持将字符串强制转换为浮点

具体而言，错误在这一行：

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

如果有帮助，下面是堆栈跟踪：

 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)]]

文件“tensorflowtest.py”，第164行，在
m、 配合（输入值=lambda：输入值=int（100））
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/linear.py”，第475行
最大步数=最大步数）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第333行
最大步数=最大步数）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第662行，列车模型
训练，损失=自我。获得训练（特征，目标）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第963行，在“获取培训”操作中
_，丢失，列车运行=自。\呼叫\型号\ fn（功能、目标、模式键.列车）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第944行，在调用模型fn中
返回self.\u model\u fn（特征、目标、模式=模式、参数=self.params）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/linear.py”，第220行，在线性分类器模型中
损失=损失\u fn（后勤、目标）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/contrib/learn/python/learn/estimators/linear.py”，第141行，包含两个类
逻辑、数学运算到浮动（目标））
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/ops/math_ops.py”，第661行，在to_float中
返回强制转换（x，dtypes.float32，name=name）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/ops/math_ops.py”，第616行，在cast中
返回gen_math_ops.cast（x，base_type，name=name）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/ops/gen_math_ops.py”，第419行，在cast中
结果=_op_def_lib.apply_op（“Cast”，x=x，DstT=DstT，name=name）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/framework/op_def_library.py”，第749行，在apply_op
op_def=op_def）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第2380行，在create_op中
初始值=自身值。\默认值\初始值，初始值=初始值）
文件“/home/computer/.local/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第1298行，在__
self.\u traceback=\u extract\u stack（）
UnimplementedError（回溯见上文）：不支持将字符串强制转换为float
[[Node:ToFloat=Cast[DstT=DT_FLOAT，SrcT=DT_STRING，_device=“/job:localhost/replica:0/task:0/cpu:0”]（重塑_1）]]

该模型是对和教程的改编。教程代码确实在运行，因此我的TensorFlow安装没有问题

输入CSV是许多二进制分类列形式的数据（

yes

/

no

）。最初，我将每列中的数据表示为0和1，但当我将其更改为

y

s和

n

s时，会得到相同的错误

---

如何修复此问题？

您不能直接将字符串转换为数字，尤其是“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

您的类可能是字符串形式，并且它们需要是数字的（1和0仅适用于本特定教程）

我遇到了完全相同的问题，您需要确保输入模型的输入数据的格式正确。（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，所以我尝试将标题转换为浮点格式

skiprows=1

读取csv时：

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

我建议您检查：

df_test.dtypes

你应该得到像这样的东西

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

---

如果您没有获得正确的数据类型，那么model.fit将失败

通常，此错误是因为

m.evaluate

以某种方式为空

---

由于您是从csv文件加载数据的，所以很可能您的数据在数组中存储为字符串而不是浮点或int。我建议您手动检查以确保。

问题在于，您可能已将该功能指示为真实类型，但在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

确认列的类型。您可以只检查类型（df是您的数据帧）：

您可以看到所有列和类型，其中一些类似：

<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
...

---

我正在使用W10、Python3和Tensorflow 1.9

我的代码中的错误源在功能定义中。我有一个布尔特性，默认值为-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

默认值

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

是要为词汇表外的要素值返回的整数ID值。例如，在值为

['True'，'False']

的列表/文件中，要使

默认值==True

，它将是

默认值=0

；列表索引。

在代码中的某个地方，您正在使用

tf.cast（）

将字符串转换为数字，但您不能这样做。替换为：

---

当我尝试在不同的数据集上复制这些步骤进行练习时，我遇到了同样的问题

修复起来很简单，只需使用以下代码将目标列的数据类型更改为int

df[“target\u column\u name”]=df[“target\u column\u name”].astype（str）.astype（int）

---

此外，当目标列最初位于数据文件中时，您需要在开始时执行此操作。

问题在于您要创建的文件上有一个标头

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)

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)

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

df_test.dtypes

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