Python 使用tf.keras.layers.reforme时出现类型错误

在Keras中构建模型时，我遇到以下错误：

TypeError: Expected int32, got 8.0 of type 'float' instead.

该错误发生在最初构建模型时（与执行期间相反），更具体地说是在本代码段的最后一行：

    d_dense1 = Dense(
        ((IMAGE_SIZE/4)**2)*(n if vanilla_architecture else 3*n),
        input_shape = (h,),
        activation = "relu",
        name = name_prefix + "dense1"
    )(d_in)
    d_reshape1 = tf.keras.layers.Reshape(
        (IMAGE_SIZE/4, IMAGE_SIZE/4, (n if vanilla_architecture else 3*n)),
        name = name_prefix + "reshape1"
    )(d_dense1)

旁注：我使用的是tf.keras.layers.Dense，IMAGE_SIZE是一个整数，vanilla_架构是一个布尔值，n是一个整数

显然，稠密层将通过一个浮标张量，因为这是一个机器学习操作。问题似乎是重塑需要整数张量。我读了文档，但里面没有信息

以下是我尝试过的一些事情：

• 使用tf.reforme
  • 同一问题
• 使用numpy重塑
  • 简单是不行的
• 阅读示例代码，如
  • 他们似乎在做和我一样的事情，但他们的工作

---

奇怪的是，它在使用急切执行时工作得很好。但我不想启用急切执行，因为我想使用tensorboard

解决方案是在此行中使用整数除法：

(IMAGE_SIZE//4, IMAGE_SIZE//4, (n if vanilla_architecture else 3*n)),

---

类型错误不是由于张量造成的，而是IMAGE\u SIZE/4返回了一个浮点值

那么

tf.cast（IMAGE\u SIZE，tf.int32）

呢？可能是因为除法

IMAGE\u SIZE/4

导致了一个浮点值。正如@KotaMori提到的，也许可以尝试使用

tf.cast（IMAGE\u SIZE/4，tf.int32）

将其显式转换为int？谢谢！这就成功了，现在我觉得自己很笨，哈哈托补充了这个答案：你可以通过显式转换为

整数来轻松解决这个问题，就像这样：
（int（IMAGE\u SIZE//4），int（IMAGE\u SIZE//4，…）