ValueError: column_name: input_tensor dtype 必须是字符串或整数。数据类型：<数据类型：'float32'>答案

【问题标题】：ValueError: column_name: input_tensor dtype must be string or integer. dtype: <dtype: 'float32'>ValueError: column_name: input_tensor dtype 必须是字符串或整数。数据类型：<数据类型：'float32'>
【发布时间】：2021-04-30 08:18:07
【问题描述】：

我正在尝试使用 Tensorflow 2.4.0 中的数据包流创建数据包分类器。使用 tf.estimator 训练我的模型时，出现错误：

    ValueError: column_name: avg_piat input_tensor dtype must be string or integer. dtype: <dtype: 'float32'>.

这是包含 avg_piat 的数据集的一部分：

我已经尝试从类似的问题中做所有事情，但似乎没有任何效果。我想这可能来自我创建功能列的方式，但我不确定。以下是我创建特征列的方法。提前致谢。

min_piat = tf.feature_column.categorical_column_with_hash_bucket("min_piat",hash_bucket_size=1000)
max_piat = tf.feature_column.categorical_column_with_hash_bucket("max_piat",hash_bucket_size=1000)
avg_piat = tf.feature_column.categorical_column_with_hash_bucket("avg_piat",hash_bucket_size=1000)

## 编辑##

我解决了这个问题。当我为 avg_piat 定义一个特征列时，我将它从一个哈希桶更改为一个数字列：

avg_piat = tf.feature_column.numeric_column("avg_piat")

【问题讨论】：

在定义列时，您是否尝试将 .astype("int32") 放在末尾？
你能分享你的模型定义吗？
@DwightFoster 感谢您的回复。我尝试通过 df.astype({'avg_piat': 'int32'}).dtypes 做到这一点。然后它说列 avg_piat 现在是 float64。但是，当我运行其余代码时，我得到了同样的错误。
@Lescurel 感谢您的回复。这是我的模型定义。 model = tf.estimator.LinearClassifier(feature_columns=feat_cols) 。然而，这是我得到错误model.train(input_fn=input_func,steps=120) 的地方。

标签： python tensorflow networking classification packet

【解决方案1】：

在这里为社区的利益提供解决方案。

在更改 avg_piat 的特征列后，问题已解决从哈希桶到数值列 avg_piat = tf.feature_column.numeric_column("avg_piat")（（转述自威尔）

【讨论】：