Tensorflow 2.1.0-功能建筑规范之外的op被传递一个；图；张量

我正在努力实现最近的一篇论文。这个实现的一部分涉及从TF1.14迁移到TF2.1.0。该代码在TF1.14中工作，但不再工作

---

注意：如果我禁用了eager execution

tf.compat.v1.disable_eager_execution（）

，那么代码将按预期工作。

这就是解决办法吗？我以前在TF 2.x中制作过很多模型，从来没有禁用过急切执行来实现正常功能

---

我把这个问题提炼成一个非常简短的要点，说明发生了什么

首先是链接和代码，然后是详细的错误消息
链接到要点--

代码

#版本2.1.0
导入tensorflow作为tf
#版本1.18.1
将numpy作为np导入
#定义TF LAMBDA层的自定义函数#
def resize_like（输入张量、参考张量）：
“”“将图像张量调整为与参考图像张量相同的大小/形状。”
Args：
输入_张量：（图像张量）输入要调整大小的图像张量
ref_tensor：（image tensor）我们想要调整输入张量大小的参考图像张量。
返回：
重塑张量
"""
重塑的张量=tf.image.resize（图像=输入张量，
尺寸=tf.形状（参考张量）[1:3]，
方法=tf.image.ResizeMethod.NEAREST_NEIGHBOR，
保留长宽比=假，
反别名=假，
名称=无）
返回整形张量
# ############################################################# #
#使用TF.KERAS FN API定义模型#
#投入
model_input_1=tf.keras.layers.input（shape=（160160,3））
model_input_2=tf.keras.layers.input（shape=（160160,3））
#输出
模型_输出_1=tf.keras.layers.Conv2D（过滤器=64，
内核大小=（1，1），
使用_bias=False，
kernel_initializer='he_normal'，
name='conv_name_base'）（模型输入1）
model_output_2=tf.keras.layers.Lambda（函数=resize_like，
参数={'ref_张量'：模型_输出_1}（模型_输入_2）
#模型
model=tf.keras.models.model（输入=[model\u input\u 1，model\u input\u 2]，
输出=型号输出2，
name=“测试模型”）
# ############################################################# #
#试着利用预测和虚拟输入#
虚拟输入=[np.one（（1160160,3）），np.zero（（1160160,3））]
model.predict（x=dummy\u input）#>>>>此处出现错误model.predict（x=dummy\u input）#>>>>此处出现错误>>>您可以尝试以下步骤：

更改
resize_like
，如下所示：

def resize_like(inputs):
    input_tensor, ref_tensor = inputs
    reshaped_tensor = tf.image.resize(images=input_tensor,
                              size=tf.shape(ref_tensor)[1:3],

    method=tf.image.ResizeMethod.NEAREST_NEIGHBOR,
                              preserve_aspect_ratio=False,
                              antialias=False,
                              name=None)
    return reshaped_tensor


然后，在
Lambda
层中：

model_output_2 = tf.keras.layers.Lambda(function=resize_like)([model_input_2, model_output_1])


明亮的谢谢你认为坚持使用lambda图层更好吗？或者如原始文章底部所示，对自定义图层类进行子类化并创建自定义图层类？
Lambda
图层有助于快速原型制作，但我更喜欢为具有多个操作的任何对象编写自定义图层。在构建最终模型时，请坚持使用自定义图层。Lambdas只是在后面引起问题。您能解释一下为什么函数的第一行会解决问题吗？Tensorflow将层的第一个参数视为其输入。输入类型与大范围无关-列表、元组、numpy数组或张量。在本例中，我们将输入作为一个列表传递，并在函数中解包。我可以要求@DarienSchettler显示实现了自定义层的代码吗？我有一个类似于你的问题，我不知道如何解决它与我的自定义层。