Tensor.op is undefined when eager execution is enabled

Question

代码

    user_layer_model = keras.models.Model(
        inputs=[m.input[0], m.input[1], m.input[2]],
        outputs=m.get_layer("user_embedding").output
    )

    user_input = [
            np.reshape(user_id, [1, 1]),
            np.reshape(user_type, [1, 1]),
            np.reshape(actor, [1, 1])
    ]

    u_embedding = user_layer_model(user_input)
    user_embedding.append(u_embedding.numpy().flatten())

报错如下：

Exception encountered when calling layer 'embedding' (type Embedding).

Tensor.op is undefined when eager execution is enabled.

Call arguments received by layer 'embedding' (type Embedding):
  • inputs=tf.Tensor(shape=(1, 1), dtype=float32)

Answer 1

【以下回答由 GPT 生成】

这个问题是因为在启用了eager execution（即动态图模式）的情况下，Tensor对象没有op属性。解决这个问题的方法有两种：

1. 禁用eager execution：将以下代码添加到你的程序的开头，可以禁用eager execution：

python import tensorflow as tf tf.compat.v1.disable_eager_execution()

这样就可以继续使用原有的代码，不会再出现报错。

1. 修改代码以适应eager execution：在启用eager execution的情况下，需要修改你的代码，以适应动态图模式。可以使用keras.backend.function函数来创建一个函数，将模型的input作为输入，模型的output作为返回值。以下是修改后的代码：

```python import tensorflow as tf from tensorflow import keras

user_layer_model = keras.models.Model( inputs=[m.input[0], m.input[1], m.input[2]], outputs=m.get_layer("user_embedding").output )

@tf.function def get_u_embedding(user_input): u_embedding = user_layer_model(user_input) return u_embedding.numpy().flatten()

user_input = [ tf.convert_to_tensor(np.reshape(user_id, [1, 1])), tf.convert_to_tensor(np.reshape(user_type, [1, 1])), tf.convert_to_tensor(np.reshape(actor, [1, 1])) ]

u_embedding = get_u_embedding(user_input) user_embedding.append(u_embedding) ```

这样修改后的代码将在启用了eager execution的情况下正常运行。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^