Tensorflow '；str'；对象没有属性'_keras#u面具'；使用tf.keras.Sequential时出错 背景

我第一次使用Tensorflow，这是在一个关于新的Google Recommenders软件包特性化的教程之后：

我把他们的数据集（MovieLens）换成一个基于Kaggle葡萄酒数据的数据集时遇到了麻烦。以下代码按预期工作：

wine_title_lookup= tf.keras.layers.experimental.preprocessing.StringLookup()

伊塔夫斯克莱茵河雷司令

但是，以下操作会产生一个错误

wine_title_model = tf.keras.Sequential([wine_title_lookup, wine_title_embedding])

wine_title_model(["Susana Balbo Signature Malbec"])

---

AttributeError回溯（最近一次呼叫上次） 在（） ---->1款葡萄酒名称型号（[“Susana Balbo签名马尔贝克”]）

3帧 /调用中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py（self，*args，**kwargs） 983 984带操作。启用自动转换变量（自计算类型对象）： -->985输出=呼叫（输入，*args，**kwargs） 986 987如果自活动正则化器：

/调用中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/sequential.py（self、输入、训练、掩码） 370如果不是自建的： 371自初始化图网络（自输入、自输出） -->372返回超级（顺序，自）。调用（输入，训练=训练，掩码=掩码） 373 374输出=输入#处理self.layers为空的拐角情况

/调用中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py（self、input、training、mask） 384 """ 385返回自运行内部图( -->386输入，训练=训练，掩码=掩码） 387 388 def计算输出形状（自身、输入形状）：

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py in\u run\u internal\u图（自我、输入、训练、掩码） 482掩模=自。\展平\u至\u参考\u输入（掩模） 483对于输入，在zip中屏蔽（输入，屏蔽）： -->484输入\u t.\u keras\u掩码=掩码 485 486#字典映射参考张量到计算张量

AttributeError:“str”对象没有属性“\u keras\u mask”

与源材料的显著差异 我基于脚本编写的Google代码使用了一种我不熟悉的数据格式，允许他们在数据上运行map。我尝试将数据转换为一些tensorflow格式，但似乎无法复制它们的功能。然而，这是唯一不同的一步，我无法理解为什么操作序列的各个部分可以独立工作个别地，但不是作为一个整体

我看了一些其他的例子，当这个错误突然出现时，但没有找到解决问题的方法。这就是原始数据的样子

wine_train.info()

Int64Index:108655个条目，0到120727
数据列（共16列）：
列非空计数数据类型
---  ------               --------------   -----  
0国家/地区108600非空对象
1说明108652非空对象
2名称77150非空对象
3分108336非空浮点64
4价格100871非空浮动64
5省108600非空对象
6区域_1 108655非空对象
7区域_2 42442非空对象
8标题108655非空对象
9.108655非空对象
10 winery 108655非空对象
11指定\u替换108655非空对象
12用户id 108655非空int64
13价格为108655非空布尔
14价格估算108650非空浮动64
15 wine_id 108655非空int64
数据类型：bool（1）、float64（3）、int64（2）、object（10）
内存使用率：13.4+MB

我通过修复代码的以下区域解决了这个问题

将wine_train转换为Tensorflow格式

当我发布这个问题时，我已经尝试在我的pandas数据框上运行

tf.data.Dataset.from_tensor_slices

。但是它不会工作。相反，将数据框转换为字典，如下所示：

wine\u features\u dict={name:np.array（value）for name，value in wine\u train.items（）}

，然后一切都顺利运行

Tensorflow对缺失值或NaN值非常敏感。

---

我以为我得到了一切，但删除所有丢失数据的行似乎可以消除错误。如果发生这种情况，请确保没有丢失数据，并且所有数据都是整数或字符串。

我通过修复代码的以下区域解决了此问题

将wine_train转换为Tensorflow格式

当我发布这个问题时，我已经尝试在我的pandas数据框上运行

tf.data.Dataset.from_tensor_slices

。但是它不会工作。相反，将数据框转换为字典，如下所示：

wine\u features\u dict={name:np.array（value）for name，value in wine\u train.items（）}

，然后一切都顺利运行

Tensorflow对缺失值或NaN值非常敏感。

我以为我得到了一切，但删除所有丢失数据的行似乎可以消除错误。如果发生这种情况，请确保没有丢失数据，并且所有数据都是整数或字符串

x= wine_title_lookup(["Susana Balbo Signature Malbec"])

x= wine_title_embedding(x)

x

wine_title_model = tf.keras.Sequential([wine_title_lookup, wine_title_embedding])

wine_title_model(["Susana Balbo Signature Malbec"])

wine_train.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 108655 entries, 0 to 120727
Data columns (total 16 columns):
    Column               Non-Null Count   Dtype  
---  ------               --------------   -----  
 0   country              108600 non-null  object 
 1   description          108652 non-null  object 
 2   designation          77150 non-null   object 
 3   points               108336 non-null  float64
 4   price                100871 non-null  float64
 5   province             108600 non-null  object 
 6   region_1             108655 non-null  object 
 7   region_2             42442 non-null   object 
 8   title                108655 non-null  object 
 9   variety              108655 non-null  object 
 10  winery               108655 non-null  object 
 11  designation_replace  108655 non-null  object 
 12  user_id              108655 non-null  int64  
 13  price_isna           108655 non-null  bool   
 14  price_imputed        108650 non-null  float64
 15  wine_id              108655 non-null  int64  
dtypes: bool(1), float64(3), int64(2), object(10)
memory usage: 13.4+ MB