Python 属性错误：'；张量'；对象没有属性'；numpy'；在自定义模型中

我使用tensorflow 2.1.0来构建一个模型，当我构建一个需要将数组转换为numpy数组的自定义层时，出现了问题。我清楚地记得aTensor.numpy（）是一个真实的东西，所以它一定是我做错了什么，有人能告诉我如何修复它吗？我还是tensorflow上的一个新手

以下是代码（代码是关于一个层，而不是整个模型）：

---

如果有其他方法可以在tensorflow模型中插入numpy代码，请告诉我。

在tensorflow 2.0中，有两种类型的对象Tensor和Tensor。只有急切Tensor有与之相关联的numpy（）方法，而急切Tensor的值在运行时随时可用，例如tf.ones（2,3）将创建一个急切Tensor，因为我们知道它的值，对它执行的任何操作都将给出一个急切Tensor。在层定义期间的代码中，调用方法的参数“inputs”是一个法线张量，其值仅在图形执行期间（向前传递）已知，因此不能对其调用numpy方法。在tensorflow的向前传递过程中，您应该只使用tensor进行操作，但不能在tensor和numpy数组之间进行交替（这使得backprop的跟踪图不可能）

感谢您的分享，真的很有帮助。现在看来，我必须找到另一种方法来完成这个模型……我想知道我是否能再次获得这个模型设计的文凭（`crmk_`）━･~~

class CIN_Layer(tf.keras.layers.Layer):
    def __init__(self, in_shape):
        super(CIN_Layer, self).__init__()
        self.in_shape = in_shape

    #this is the custom part
    def get3DTensor(self, inputs, lastLayerOutput=None):
        print(type(inputs))
        inputs = inputs.numpy()#FIX HERE: problem occurs here

        interaction = []
        if lastLayerOutput == None:
            lastLayerOutput = inputs.copy()
        else:
            lastLayerOutput = lastLayerOutput.numpy()

        for i in range(inputs.shape[0]):
            interaction.append(np.dot(inputs[i].reshape([-1,1]), lastLayerOutput[i].reshape([1,-1])))

        return tf.convert_to_tensor(np.array(interaction))

    def build(self, input_shape):
        self.kernel = self.add_weight('CIN_kernel', shape=[self.in_shape[-1] for i in range(3)])

    def call(self, inputs, lastLayerOutput=None):
        interaction = self.get3DTensor(inputs, lastLayerOutput)

        return tf.reduce_sum(tf.matmul(inputs, self.kernel))
inputs = tf.keras.layers.Input(shape=(5,10))
cin_layer = CIN_Layer(in_shape=(5,10))
lastLayerOutput = cin_layer(inputs) 
output = tf.keras.layers.Dense(1)(lastLayerOutput)  

model = tf.keras.Model(inputs=inputs, outputs=output)  
model.compile(loss='mean_squared_error', optimizer=optimizer)  
model.summary()