model.fit (...) и «Не удалось преобразовать массив NumPy в тензор»

Question

Я использую TensorFlow 2.0 для классификации текста.

Структура данных выглядит примерно так:

1-й подход:

x: List[List[int]] # list of sentences consisting of a list of word IDs for each word in the sentence
y: List[int] # binary truth indicator

Однако при вызове model.fit(...) я получаю следующее сообщение об ошибке:

Failed to find data adapter that can handle input: (<class 'list'> containing values of types {'(<class \'list\'> containing values of types {"<class \'int\'>"})', "(<class 'list'> containing values of types set())"}), <class 'numpy.ndarray'>

Несмотря на то, что set нигде не используется.

2-й подход:

Я попытался использовать массив numpy для внутреннего списка следующим образом:

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

Но я получил следующую ошибку:

Input arrays should have the same number of samples as target arrays. Found 32 input samples and 479 target samples.

3-й подход:

Это побудило меня изменить структуру данных на:

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

Это привело к следующей ошибке:

Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray).

4-й подход:

Trying,

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

В результате следующее, подобное сообщение об ошибке:

Failed to convert a NumPy array to a Tensor (Unsupported object type list).

TLDR;

Итак, вопрос в том, что происходит? Почему model.fit(...) не примет эти параметры?

См. Мой ответ ниже.

Answer 1

Причина, по которой я задокументировал этот беспорядок, заключается в том, что основная проблема не связана с сообщениями об ошибках.

Основная проблема заключается в том, что входные данные (x) требуют заполнения.

Приговоры, естественно, имеют различную длину. TensorFlow's model.fit(...) не нравится это. Чтобы игра звучала хорошо, мне нужно было дополнить предложения, чтобы убедиться, что список предложений содержит одинаковое количество слов в предложении. (Я просто заполнил их нулями.)

Если вы добавите ввод, оба значения 3rd Approach и 4th Approach должны работать.