如何将 Keras 张量转换为 TensorFlow 张量？

Question

我在使用tensorflow.keras 进行训练时遇到了一些问题。我用tensorflow.keras.backend 定义了一个损失函数。代码如下：

import tensorflow.keras.backend as K

def gradient_penalty_loss(y_true, y_pred, averaged_samples, weight):
    gradients = K.gradients(y_pred, averaged_samples)[0]
    gradients_sqr = K.square(gradients)
    gradient_penalty = K.sum(gradients_sqr,
                              axis=np.arange(1, len(gradients_sqr.shape)))

    # (weight / 2) * ||grad||^2
    # Penalize the gradient norm
    return K.mean(gradient_penalty) * (weight / 2)

def hinge_d(y_true, y_pred):
    return K.mean(K.relu(1.0 - (y_true * y_pred)))

def w_loss(y_true, y_pred):
    return K.mean(y_true * y_pred)

但是，以下语句出现错误：

Cannot convert a symbolic Keras input/output to a numpy array. This error may indicate that you're trying to pass a symbolic value to a NumPy call, which is not supported. Or, you may be trying to pass Keras symbolic inputs/outputs to a TF API that does not register dispatching, preventing Keras from automatically converting the API call to a lambda layer in the Functional Model.

在搜索了一些资料后，我注意到这可能是因为损失函数的输出是一个 Keras 张量，它不能被 TensorFlow 操作。那么我该如何处理这个问题呢？谢谢！

Answer 1

这是由于最新版本的 numpy (1.20) 造成的。将 numpy 版本降级如下（假设您使用的是 conda）：

conda install -c conda-forge numpy=1.19.5