急切执行函数的输入不能是 Keras 符号张量，但可以找到答案

【问题标题】：Inputs to eager execution function cannot be Keras symbolic tensors, but found急切执行函数的输入不能是 Keras 符号张量，但可以找到
【发布时间】：2020-07-30 00:42:07
【问题描述】：

我正在尝试通过输入（sample_x 是 numpy 中的二进制向量）获取模型的雅可比值。

print("Initiating gradient checker")
    sample_x_tensor = sample_x.toarray()
    sample_x_tensor = tf.convert_to_tensor(sample_x.toarray())
    sample_x_tensor = tf.cast(sample_x_tensor, tf.float32)

    with tf.GradientTape() as tape:
        tape.watch(sample_x_tensor)
        y_pred = model(sample_x_tensor)
        print(y_pred[0])

    jacobian = tape.jacobian(y_pred, sample_x_tensor)

模型是一个简单的 Keras 二元分类模型，Keras 2.15 和 Tensorflow 2。得到以下异常：

tensorflow.python.eager.core._SymbolicException: Inputs to eager execution function cannot be Keras symbolic tensors, but found [<tf.Tensor 'Reshape:0' 
shape=(1,) dtype=float32>]

据我了解，TF2 默认具有 Eager Execution。知道如何纠正这个问题吗？

【问题讨论】：

你不应该打电话给model.predict(sample_x_tensor)而不是model(sample_x_tensor)?
有趣，我这样做的原因是 GradientTape 只接受一个张量参数。因此，我将我的 numpy 数组转换为张量，然后按照此处将其作为参数提供给模型：keras.io/models/model 在这里您可以将张量作为参数提供给模型。由于我正在“观察”这个张量的行为，这难道不是正确的做法吗？
你提供的链接是用来创建keras模型的，但是创建模型的时候只能调用predict函数
在做你的建议时，我得到：“ValueError：如果你的数据是符号张量的形式，你应该指定steps参数（而不是batch_size参数，因为符号张量预计会产生批量输入数据）。”它应该开箱即用 - 我可以在张量上调用 predict 吗？
我不确定这个错误，抱歉，如果你调用 predict 函数并给它一批输入，keras 模型应该可以工作。

标签： python tensorflow keras

【解决方案1】：

使用您提供的代码片段并添加基本 Keras 二进制分类模型。

用于复制的代码：

%tensorflow_version 2.x  # Using Google Colab

import tensorflow as tf  # Tensorflow 2.2.0-rc3
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

model = Sequential()
model.add(Dense(32, input_shape = (2,)))
model.add(Dense(1, activation = 'sigmoid'))

print("Initiating gradient checker")
sample_x_tensor = tf.random.normal((100,2))
# sample_x_tensor = sample_x.toarray()
# sample_x_tensor = tf.convert_to_tensor(sample_x.toarray())
sample_x_tensor = tf.cast(sample_x_tensor, tf.float32)

with tf.GradientTape() as tape:
    tape.watch(sample_x_tensor)
    y_pred = model(sample_x_tensor)
    print(y_pred[0])

jacobian = tape.jacobian(y_pred, sample_x_tensor)

这会返回：

Initiating gradient checker
tf.Tensor([0.38266268], shape=(1,), dtype=float32)

它执行成功，但我想给你一些建议：

检查您的模型层，看看它是否在处理正确的数据类型。
检查您的输入数据形状和类型，确保它与使用的图层兼容。（尽可能使用Tensor Datatype）

希望对你有所帮助。

【讨论】：