时间戳

首页 > 解决方案 > 使用 Python 代码进行深度学习不再有效。“TypeError：函数构建代码之外的操作正在传递一个“图形”张量。”

python - 使用 Python 代码进行深度学习不再有效。“TypeError：函数构建代码之外的操作正在传递一个“图形”张量。”

问题描述

我正在实现一个 Tensorflow 变分自动编码器，完全从“使用 Python 进行深度学习”一书中复制代码。直到几天前，代码运行良好，但截至昨天它已经停止工作（我没有更改代码）。

该代码用于生成模型，该模型可以从 MNIST 数据集中复制图像。

具体报错信息如下：

TypeError：函数构建代码之外的操作正在传递一个“图形”张量。通过在函数构建代码中包含 tf.init_scope ，可以使 Graph 张量从函数构建上下文中泄漏。图张量的名称为：dense_2/BiasAdd:0

我已经在下面的 Google Collaborative 文件中提供了代码，因此您可以尝试自己运行它：

https://colab.research.google.com/drive/1ArmP3Nns2T_i-Yt-yDXoudp6Lhnw-ghu?usp=sharing

标签： pythontensorflowmachine-learningkerasautoencoder

解决方案

您定义的用于计算损失的自定义层，即CustomVariationalLayer，正在访问尚未直接传递给它的模型张量。这是不允许的，因为启用了 Eager 模式，但层中的函数默认以图形模式执行。要解决此问题，您可以使用 完全禁用 Eager 模式tf.compat.v1.disable_eager_execution()，或者改为使用tf.config.run_functions_eagerly(True)使所有功能急切运行。

但是，上述两种解决方案可能都不是可取的，因为它们正在修改 TF 的默认行为（尤其是后一种，因为它可能会降低性能）。因此，您可以修改CustomVariationalLayerto的定义，而不是使用这些解决方案，z_mean并将z_log_var其作为其他输入：

class CustomVariationalLayer(keras.layers.Layer):
    def vae_loss(self, x, z_decoded, z_mean, z_log_var):
        # ...

    def call(self, inputs):
        x = inputs[0]
        z_decoded = inputs[1]
        z_mean = inputs[2]
        z_log_var = inputs[3]
        loss = self.vae_loss(x, z_decoded, z_mean, z_log_var)
        # ...

y = CustomVariationalLayer()([input_img, z_decoded, z_mean, z_log_var])

推荐阅读