tensorflow读取csv训练DNN模型中csv文件数据很大范例处理方法失效，要怎么做预处理？

Question

我的csv文件有3875行, 1918列。我想用StandardScaler来处理我的文件数据，但是第一列作为标签（不能被处理）总是被误处理，然后换用下面代码来处理，再训练DNN模型，结果是模型无法训练。出现：Epoch 1/500 WARNING:tensorflow:Layers in a Sequential model should only have a single input tensor.
的错误。请问我该怎么解决这个问题

desc = pd.read_csv(train_file_path).describe()
desc.drop('np',axis=1,inplace=True)
desc.head()

MEAN = np.array(desc.T['mean'])
STD = np.array(desc.T['std'])

#定义归一化函数 # Center the data
def normalize_numeric_data(data, mean, std):

return (data-mean)/std

#创建一个对数据进行归一化的数值列结构
normalizer = functools.partial(normalize_numeric_data, mean=MEAN, std=STD)

numeric_column = tf.feature_column.numeric_column('numeric', normalizer_fn=normalizer)
numeric_columns = [numeric_column]
#创建一个数值层
preprocessing_layer = tf.keras.layers.DenseFeatures(numeric_columns)

numeric_columns

Answer 1

这篇文章：tensorflow读取csv文件及搭建神经网络训练 也许有你想要的答案，你可以看看