tf.keras.layers.Conv2D（）无法使用设置为float16的keras后端
我正在尝试用谷歌Colab（也尝试了特斯拉v100）培训CNN，keras后端设置为float16tf.keras.layers.Conv2D（）无法使用设置为float16的keras后端,keras,conv-neural-network,half-precision-float,Keras,Conv Neural Network,Half Precision Float,我正在尝试用谷歌Colab（也尝试了特斯拉v100）培训CNN，keras后端设置为float16 tf.keras.backend.set_floatx('float16') 但它在使用Conv2D编译模型时抛出了一个错误 model=tf.keras.models.Sequential([ tf.keras.layers.Conv2D（16，（3,3），激活='relu'，输入_形状=（300300,3））， tf.keras.layers.MaxPool2D（2,2）， tf.keras
tf.keras.backend.set_floatx('float16')
model=tf.keras.models.Sequential([
tf.keras.layers.Conv2D（16，（3,3），激活='relu'，输入_形状=（300300,3）），
tf.keras.layers.MaxPool2D（2,2），
tf.keras.layers.Dense（256，活化='relu'），
tf.keras.layers.Dropout（.5），
tf.keras.layers.Dense（128，活化='relu'），
tf.keras.layers.Dropout（.5），
致密层（1，激活='s形'）
])
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['acc']）
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
9 ])
10
--->11.model.compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['acc']）
7帧
/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/checkpointable/base.py in_method_包装（self，*args，**kwargs）
440 self._setattr_tracking=False#pylint:disable=protected access
441尝试：
-->442方法（self，*args，**kwargs）
443最后：
444 self._setattr_tracking=以前的值#pylint:disable=受保护的访问
/编译中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py
447其他：
448加权损失=培训效用。加权掩盖目标（损失fn）
-->449输出损耗=加权损耗（y_真、y_pred、样本重量、掩码）
450
451如果透镜（自输出）>1：
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training\u utils.py in weighted（y_true，y_pred，weights，mask）
674分数数组=数学运算。减少总和（分数数组）
675权重=数学运算减少和（权重）
-->676分数数组=数学运算分区（分数数组，权重）
677返回K.均值（分数数组）
678
/包装器中的usr/local/lib/python3.6/dist-packages/tensorflow/python/util/dispatch.py（*args，**kwargs）
178“调用目标，如果出现类型错误，则返回调度程序。”
179尝试：
-->180返回目标（*args，**kwargs）
181除外（类型错误、值错误）：
182#注意：将_转换为_急切_张量当前会引发一个值错误，而不是
/div_no_nan（x，y，name）中的usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/math_ops.py
1025 raise TypeError（“x和y必须具有相同的数据类型，获得%r！=%r”%
1026（x_数据类型，y_数据类型））
->1027返回gen_math_ops.div_no_nan（x，y，name=name）
1028
1029
/div_no_nan（x，y，name）中的usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_math_ops.py
3020#将节点添加到TensorFlow图。
3021 u，u，_op=_op_def_lib._apply_op_helper(
->3022“DivNoNan”，x=x，y=y，name=name）
3023 _结果=_运算输出[：]
3024 _输入_平坦=_运算输入
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py in_apply_op_helper（self，op_type_name，name，**关键字）
608满足类型约束（基本类型，
609属性（操作定义，输入参数类型属性），
-->610参数名称=输入名称）
611属性[输入参数类型属性]=属性值
612根据[input_arg.type_attr]=input_name推断出的_
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py in_SatisfiesTypeConstraint（数据类型、属性定义、参数名称）
58“允许的值：%s”%
59（参数名称，数据类型.as_数据类型（数据类型）.name，
--->60“，”
61
62
TypeError:传递给参数“x”的值的数据类型float16不在允许值列表中：float32，float64
model=tf.keras.models.Sequential([
tf.keras.layers.Dense（256，活化='relu'），
tf.keras.layers.Dropout（.5），
tf.keras.layers.Dense（128，活化='relu'），
tf.keras.layers.Dropout（.5），
致密层（1，激活='s形'）
])
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['acc']）
因此，该机器显然能够浮动16，是否需要对Keras进行任何特殊处理，以使Conv2D在浮动16中工作？这似乎在最新tf夜间版本中得到了修复。
我能够使用TensorFlow版本“1.14.1-dev20190520”成功执行您的代码。
每晚为终端安装tf:
pip每晚安装tf每晚为google colab安装tf:
！pip每晚安装tf