Python RuntimeError：试图在不构建函数的情况下捕获张量

我使用

tf.data.datset

API并使用剩余网络。当我运行TensorBoard代码来可视化嵌入时，我有这个错误，但是当我使用两层网络时，我没有这个问题

def load_and_preprocess_from_path_label(path, label):
    return load_and_preprocess_image(path), label

ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))
with tf.Session() as sess:
    # TODO (@omoindrot): remove the hard-coded 10000
    # Obtain the test labels
    image_label_ds = ds.map(load_and_preprocess_from_path_label)
    ds = image_label_ds.shuffle(image_count)

---

运行时错误回溯（最近一次调用）
在（）
92#TODO（@omoindrot）：删除硬编码10000
93#获取测试标签
--->94图像\u标签\u ds=ds.map（从\u路径\u标签加载\u和\u预处理\u）
95 ds=图像标签洗牌（图像计数）
96
RuntimeError：试图在不构建函数的情况下捕获张量。

运行以下代码对我很有用：

from keras.models import Sequential
from keras.layers import LSTM, Dense, Dropout
from keras.callbacks import EarlyStopping
from keras import backend as K
import tensorflow as tf


tf.compat.v1.enable_eager_execution()

import tensorflow.compat.v1 as tf

如果您还使用以下代码，在创建模型后强制LSTM清除模型参数和图形，那将非常好

K.clear_session()
tf.compat.v1.reset_default_graph()
#tf.compat.v1.disable_eager_execution()

---

该错误可能是由于Tensorflow版本造成的

---

运行以下代码对我很有用：

from keras.models import Sequential
from keras.layers import LSTM, Dense, Dropout
from keras.callbacks import EarlyStopping
from keras import backend as K
import tensorflow as tf


tf.compat.v1.enable_eager_execution()

import tensorflow.compat.v1 as tf

正确的功能：

---

我在尝试通过调用

tensorflow.python.framework.ops.disable_eager_mode

禁用TF2.0的急切模式时遇到了相同的错误。如果我不点击这个函数，并且在顶层保持渴望，那么错误就消失了。请注意，Keras似乎有一个不同的急切性概念（

dynamic

Model的参数），默认情况下禁用了这个概念。您找到解决方法了吗？