Python Tensorflow（Keras API）`model.fit`method returns"；无法转换类型为<；的对象；类别'；元组'&燃气轮机；“到张量”；错误

我正在按照

tf.random.normal

方法使用高斯噪声（或通过

keras

API使用

K.random\u normal

）

它在自定义

tensorflow

层

中使用，而自定义

模型

则使用该层

出于某种原因，当直接调用层/模型时，或通过

tf.GradientTape（）

使用自定义训练循环时，一切都按预期工作，但当尝试使用

fit

方法时，它会抛出一个令人费解的错误

它似乎与推断批处理维度有关，在调用

fit

方法时，批处理维度显示为

None

我怀疑这与编译和符号张量与渴望张量有关，但我并不知道如何解决这个问题

我试图将问题归结为一个再现问题的最小示例：

将numpy导入为np
将tensorflow.keras.backend作为K导入
来自tensorflow.keras导入模型
导入tensorflow作为tf
课堂演示（models.Model）：
定义初始化（自）：
super（）。\uuuu init\uuuuu（）
def呼叫（自我、输入、培训=无、掩码=无）：
#批处理在直接调用或通过GradientTape（）调用时给出“2”
#通过fit调用时提供“无”
批次=K.int_形状（输入）[0]
尺寸=K.int_形状（输入）[1]
噪声=tf.随机.正常（形状=（批次，尺寸），平均值=0.0，标准差=1.0）
#手动指定批次维度确实有效，例如。
#噪声=tf.随机.正常（形状=（2，尺寸），平均值=0.0，标准差=1.0）
返回输入*噪声
测试数据=np.数组（[[1,2,3,4.]，[5,6,7,8.]））
tester=Demo（）
编译（优化器='adam'）
#人工呼叫工作
打印（测试数据-测试仪（测试数据））
#但称之为“健康”并不重要
tester.fit（x=测试数据）
#引发：TypeError:无法将类型的对象转换为Tensor。
#内容：（无，4）。将铸造元素考虑为支持类型。

---

有什么问题的建议吗？

在

调用

方法中，不要使用

keras.backend

获取

批处理

和

dim

，直接使用tensorflow

batch = tf.shape(inputs)[0]
dim = tf.shape(inputs)[1]