tf__norm() 接受 1 个位置参数，但给出了 2 个答案

【问题标题】：tf__norm() takes 1 positional argument but 2 were giventf__norm() 接受 1 个位置参数，但给出了 2 个
【发布时间】：2020-09-13 00:48:23
【问题描述】：

我试图将一个函数传递给我的 tf 数据集以规范化我的数据框中的非数字数据，但是我不断收到此错误：

TypeError：在用户代码中： TypeError: tf__norm() 接受 1 个位置参数，但给出了 2 个

def norm(dataframe):
    for header in dataframe._get_numeric_data().columns:
        dataframe[header] = (dataframe[header] - dataframe[header].mean())/dataframe[header].std()
    return dataframe

train, val= train_test_split( dataframe, test_size =0.2)

def df_to_dataset(dataframe, shuffle=True, batch_size=32):
    dataframe = dataframe.copy()
    labels = dataframe.pop("target")
    ds = tf.data.Dataset.from_tensor_slices((dict(dataframe), labels))
    if shuffle:
        ds = ds.shuffle(buffer_size=len(dataframe))
    ds = ds.batch(batch_size)
    ds=ds.map(norm)
    return ds

    
train_ds=  df_to_dataset(train, shuffle=False, batch_size=32) 
val_ds = df_to_dataset(val, shuffle=False)

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

按照你的代码，ds 的类型是 BatchDataSet ，它的 element_spec 是元组，大小为 2，但你的 norm 函数只需要一个参数，这就是它引发的原因

takes 1 positional argument but 2 were given

更详细一点，第一个元素的类型是dict，另一个是TensorSpec。因此，只需像这样更新您的 norm 函数：

def norm(df_as_dict, tensor_spec):
    ...
    do some work for df_as_dict
    ...

【讨论】：