深入学习Python代码不再有效&引用；TypeError：函数构建代码之外的op被传递一个“；图；张量；

我正在实现一个Tensorflow变分自动编码器，完全复制了《Python深度学习》一书中的代码。直到几天前，代码还可以正常工作，但截至昨天它已经停止工作了（我还没有更改代码）

代码用于生成模型，该模型可以从MNIST数据集中复制图像

具体错误消息如下：

TypeError:正在传递函数构建代码之外的op “图形”张量。有可能有图张量 通过包含 函数构建代码中的tf.init_作用域。 图张量的名称为：稠密_2/biasad:0

我已经在下面的Google协作文件中提供了代码，因此您可以尝试自己运行它：

---

您定义用于计算损失的自定义层，即

CustomVariationalLayer

，正在访问尚未直接传递给它的模型的张量。这是不允许的，因为启用了渴望模式，但层中的函数默认以图形模式执行。要解决此问题，您可以使用

tf.compat.v1.disable_eager_execution（）

完全禁用急切模式，或者使用

tf.config.run_functions_急切地（True）

使所有函数急切地运行

然而，上述两种解决方案可能都不可取，因为它们正在修改TF的默认行为（尤其是后者，因为后者可能会降低性能）。因此，您可以修改

CustomVariationalLayer

的定义，将

z_mean

和

z_log_var

作为其其他输入，而不是使用这些解决方案：

class CustomVariationalLayer(keras.layers.Layer):
    def vae_loss(self, x, z_decoded, z_mean, z_log_var):
        # ...

    def call(self, inputs):
        x = inputs[0]
        z_decoded = inputs[1]
        z_mean = inputs[2]
        z_log_var = inputs[3]
        loss = self.vae_loss(x, z_decoded, z_mean, z_log_var)
        # ...

y = CustomVariationalLayer()([input_img, z_decoded, z_mean, z_log_var])

---

如果您将这一行放在代码顶部

tf.config.experimental\u run\u functions\u急切地（True）

，您是否仍然会收到错误？谢谢。但是，如果使用模型内部构件的自定义模型有损失，该怎么办？我该怎么办？@Crispy13 Call

add_loss

方法在层内或模型实例（，）上。感谢您的回复。我确实喜欢这样，但作者也犯了同样的错误。如果你能看看我的colab笔记本就好了@Crispy13我能告诉你的是，错误的张量是

张量（“add_1:0”，shape=（2，），dtype=float32）

；找到它的位置并修复它。