训练方法中张量的TypeError

Question

我有一个带字符串值的numpy数组（n x m矩阵）。用

创建张量

input_fn = lambda:tf.data.Dataset.from_tensors(tf.convert_to_tensor(data_np, dtype=tf.string)).repeat(1)

很好，但是 tf.contrib.factorization.KMeansClustering

的训练方法

kmeans = tf.contrib.factorization.KMeansClustering(
    num_clusters=num_clusters, use_mini_batch=False)
 kmeans.train(input_fn=input_fn)

引发错误消息 传递给“ ConcatV2” Op的“值”的列表中的张量具有[float32，string]类型，它们并不完全匹配。。

我该如何解决这个问题？

我试图将所有数据转换为字符串，但是没有找到有关第一个 float32

的起源的任何信息

data_np = np.asarray(liste, np.unicode_) # data_np is n x m matrix
...
input_fn = lambda:tf.data.Dataset.from_tensors(tf.convert_to_tensor(data_np, dtype=tf.string)).repeat(1)
kmeans = tf.contrib.factorization.KMeansClustering(
    num_clusters=num_clusters, use_mini_batch=False)

num_iterations = 10
previous_centers = None
for _ in range(num_iterations):
    kmeans.train(input_fn=input_fn)