无法将符号张量(第2_target: 0)转换为数字数组

我尝试传递2个损失函数到一个模型作为 Kera 允许这样。

损失: 字符串(目标函数的名称)或目标函数或 如果模型有多个输出，您可以 通过 < strong > 传递字典或列表，在每个输出上使用不同的损失 的损失 。将被模型最小化的损失值将 那就是所有个人损失的总和。

两个损失函数:

def l_2nd(beta):
def loss_2nd(y_true, y_pred):
...
return K.mean(t)


return loss_2nd

还有

def l_1st(alpha):
def loss_1st(y_true, y_pred):
...
return alpha * 2 * tf.linalg.trace(tf.matmul(tf.matmul(Y, L, transpose_a=True), Y)) / batch_size


return loss_1st

然后我建立模型:

l2 = K.eval(l_2nd(self.beta))
l1 = K.eval(l_1st(self.alpha))
self.model.compile(opt, [l2, l1])

当我训练时，它会产生错误:

1.15.0-rc3 WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py:1630:
calling BaseResourceVariable.__init__ (from
tensorflow.python.ops.resource_variable_ops) with constraint is
deprecated and will be removed in a future version. Instructions for
updating: If using Keras pass *_constraint arguments to layers.
---------------------------------------------------------------------------
NotImplementedError                       Traceback (most recent call
last) <ipython-input-20-298384dd95ab> in <module>()
47                          create_using=nx.DiGraph(), nodetype=None, data=[('weight', int)])
48
---> 49     model = SDNE(G, hidden_size=[256, 128],)
50     model.train(batch_size=100, epochs=40, verbose=2)
51     embeddings = model.get_embeddings()


10 frames <ipython-input-19-df29e9865105> in __init__(self, graph,
hidden_size, alpha, beta, nu1, nu2)
72         self.A, self.L = self._create_A_L(
73             self.graph, self.node2idx)  # Adj Matrix,L Matrix
---> 74         self.reset_model()
75         self.inputs = [self.A, self.L]
76         self._embeddings = {}


<ipython-input-19-df29e9865105> in reset_model(self, opt)


---> 84         self.model.compile(opt, loss=[l2, l1])
85         self.get_embeddings()
86


/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/training/tracking/base.py
in _method_wrapper(self, *args, **kwargs)
455     self._self_setattr_tracking = False  # pylint: disable=protected-access
456     try:
--> 457       result = method(self, *args, **kwargs)
458     finally:
459       self._self_setattr_tracking = previous_value  # pylint: disable=protected-access


NotImplementedError: Cannot convert a symbolic Tensor (2nd_target:0)
to a numpy array.

请帮帮忙，谢谢！

170964 次浏览
小开
最佳答案

我找到了解决这个问题的办法:

这是因为我混合了符号张量和非符号类型，比如 numpy。比如说。不推荐使用这样的东西:

def my_mse_loss_b(b):
def mseb(y_true, y_pred):
...
a = np.ones_like(y_true) #numpy array here is not recommended
return K.mean(K.square(y_pred - y_true)) + a
return mseb

相反，你应该像这样把所有的张量都转换成符号张量:

def my_mse_loss_b(b):
def mseb(y_true, y_pred):
...
a = K.ones_like(y_true) #use Keras instead so they are all symbolic
return K.mean(K.square(y_pred - y_true)) + a
return mseb

希望这有帮助！

小开

对我来说，问题出现在从 numpy 1.19升级到 1.20并使用 ray的 RLlib 时，该 RLlib 在内部使用 tensorflow 2.2。 简单的降级

pip install numpy==1.19.5

解决了问题; 错误不再发生。

更新(注释@codeananda) : 现在您也可以更新到解决问题的较新的 TensorFlow (2.6 +)版本(pip install -U tensorflow)。

小开
  1. 去找水蟒导航员
  2. 查找已安装的软件包(numpy)
  3. 点击包裹旁边的绿色钩子
  4. “特定版本安装的标记”
  5. 选择版本，申请
小开

我也犯了同样的错误。当我尝试传递我的输入层到数据增强顺序层。错误和我的代码如下所示。
错误:
NotImplementedError: Cannot convert a symbolic Tensor (data_augmentation/random_rotation_5/rotation_matrix/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported.

产生错误的代码: 


#Create data augmentation layer using the Sequential model using horizontal flipping, rotations and zoom etc.
data_augmentation = Sequential([
preprocessing.RandomFlip("horizontal"),
preprocessing.RandomRotation(0.2),
preprocessing.RandomZoom(0.2),
preprocessing.RandomHeight(0.2),
preprocessing.RandomWidth(0.2)
# preprocessing.Rescale()
], name="data_augmentation")


# Setting up the input_shape and base model, and freezing the underlying base model layers.
input_shape = (224,224,3)
base_model = tf.keras.applications.EfficientNetB0(include_top=False)
base_model.trainable=False


#Create the input layers
inputs = tf.keras.Input(shape=input_shape, name="input_layer")


#Add in data augmentation Sequential model as a layer
x = data_augmentation(inputs) #This is the line of code that generated the error.

我对生成的 Error: 的解决方案
解决方案1:
我运行的是较低版本的 Tensorflow 2.4.0。所以我卸载了它并重新安装了它以获得更高的2.6.0版本。较新的张量流版本会自动卸载并重新安装 numpy 版本(1.19.5)(如果 numpy 已经安装在您的本地机器上)。这将自动解决错误。在当前 conda 环境的终端中输入以下命令:

pip uninstall tensorflow
pip install tensorflow

解决方案2:
我想这是所有建议的解决方案中最简单的一个。在 Google colab 而不是本地机器上运行代码。Colab 将始终预先安装最新的软件包。

小开

我试图在我的模型中添加一个 SimpleRNN 层，但是我收到了一个类似的错误(NotimplementedError: 无法将一个符号张量(SimpleRNN-1/strided _ slice: 0)转换为一个 numpy 数组)。

当我使用 Python3.8.10和所有其他需要的模块创建另一个环境时，问题就解决了。

小开

正如其他人指出的那样，这是由于特定张量流版本和特定麻木版本之间的不兼容性造成的。

下面是我的特定环境和我安装的软件包列表:

Conda 版本4.11.0

设置工作环境的命令:

conda activate base
conda create -y --name myenv python=3.9
conda activate myenv
conda install -y tensorflow=2.4
conda install -y numpy=1.19.2
conda install -y keras

系统资讯

System:    Kernel: 5.4.0-100-generic x86_64 bits: 64 compiler: gcc v: 9.3.0
Desktop: Cinnamon 5.2.7 wm: muffin dm: LightDM Distro: Linux Mint 20.3 Una
base: Ubuntu 20.04 focal
Machine:   Type: Laptop System: LENOVO product: 20308 v: Lenovo Ideapad Flex 14 serial: <filter>
Chassis: type: 10 v: Lenovo Ideapad Flex 14 serial: <filter>
Mobo: LENOVO model: Strawberry 4A v: 31900059Std serial: <filter> UEFI: LENOVO
v: 8ACN30WW date: 12/06/2013
CPU:       Topology: Dual Core model: Intel Core i5-4200U bits: 64 type: MT MCP arch: Haswell
rev: 1 L2 cache: 3072 KiB
flags: avx avx2 lm nx pae sse sse2 sse3 sse4_1 sse4_2 ssse3 vmx bogomips: 18357
Speed: 798 MHz min/max: 800/2600 MHz Core speeds (MHz): 1: 798 2: 798 3: 798 4: 799
Graphics:  Device-1: Intel Haswell-ULT Integrated Graphics vendor: Lenovo driver: i915 v: kernel
bus ID: 00:02.0 chip ID: 8086:0a16
Display: x11 server: X.Org 1.20.13 driver: modesetting unloaded: fbdev,vesa
resolution: 1366x768~60Hz
OpenGL: renderer: Mesa DRI Intel HD Graphics 4400 (HSW GT2) v: 4.5 Mesa 21.2.6
compat-v: 3.0 direct render: Yes
小开

我在将暗网权重转换为 TensorFlow 模型时遇到了这个问题。 当我使用 Tensorflow v2.3(之前是 Tensorflow v2.2)创建了一个新环境，并且预装了 NumPy 时，我摆脱了这个问题。

因此，或许更新 TF 版本可以解决这个问题。

小开

我也有同样的问题，并且解决了它。

为了找到根本原因，我用 python 3.8创建了一个新的 anaconda 环境，conda 安装了 tensorflow (安装2.4)

当我运行 Keras LSTM 代码时，它退出了

rnnmodel.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))

通过安装最新的张量流2.8修复了这个问题

pip uninstall tensorflow
pip install tensorflow
小开

下面的配置适合我。

  • 巨蟒 = 3.8
  • 张量流 = 2.8.0
小开

简单的事情是更新张量流，它的工作！

pip install -U tensorflow

提交答案