NotImplementedError：无法将符号张量 (2nd_target:0) 转换为 numpy 数组

Posted 2023-02-23

【中文标题】NotImplementedError：无法将符号张量 (2nd_target:0) 转换为 numpy 数组

【英文标题】：NotImplementedError: Cannot convert a symbolic Tensor (2nd_target:0) to a numpy array

【发布时间】：2020-02-17 03:29:03

【问题描述】：

我尝试将 2 个损失函数作为 Keras allows that. 传递给模型

loss：字符串（目标函数的名称）或目标函数或 损失实例。见损失。如果模型有多个输出，您可以 通过传递字典或列表对每个输出使用不同的损失 损失。模型将最小化的损失值将 然后是所有个人损失的总和。

两个损失函数：

def l_2nd(beta):
    def loss_2nd(y_true, y_pred):
        ...
        return K.mean(t)

    return loss_2nd

和

def l_1st(alpha):
    def loss_1st(y_true, y_pred):
        ...
        return alpha * 2 * tf.linalg.trace(tf.matmul(tf.matmul(Y, L, transpose_a=True), Y)) / batch_size

    return loss_1st

然后我建立模型：

l2 = K.eval(l_2nd(self.beta))
l1 = K.eval(l_1st(self.alpha))
self.model.compile(opt, [l2, l1])

当我训练时，它会产生错误：

1.15.0-rc3 WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py:1630:
calling BaseResourceVariable.__init__ (from
tensorflow.python.ops.resource_variable_ops) with constraint is
deprecated and will be removed in a future version. Instructions for
updating: If using Keras pass *_constraint arguments to layers.
--------------------------------------------------------------------------- 
NotImplementedError                       Traceback (most recent call
last) <ipython-input-20-298384dd95ab> in <module>()
     47                          create_using=nx.DiGraph(), nodetype=None, data=[('weight', int)])
     48 
---> 49     model = SDNE(G, hidden_size=[256, 128],)
     50     model.train(batch_size=100, epochs=40, verbose=2)
     51     embeddings = model.get_embeddings()

10 frames <ipython-input-19-df29e9865105> in __init__(self, graph,
hidden_size, alpha, beta, nu1, nu2)
     72         self.A, self.L = self._create_A_L(
     73             self.graph, self.node2idx)  # Adj Matrix,L Matrix
---> 74         self.reset_model()
     75         self.inputs = [self.A, self.L]
     76         self._embeddings = 

<ipython-input-19-df29e9865105> in reset_model(self, opt)

---> 84         self.model.compile(opt, loss=[l2, l1])
     85         self.get_embeddings()
     86 

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/training/tracking/base.py
in _method_wrapper(self, *args, **kwargs)
    455     self._self_setattr_tracking = False  # pylint: disable=protected-access
    456     try:
--> 457       result = method(self, *args, **kwargs)
    458     finally:
    459       self._self_setattr_tracking = previous_value  # pylint: disable=protected-access

NotImplementedError: Cannot convert a symbolic Tensor (2nd_target:0)
to a numpy array.

请帮忙，谢谢！

【问题讨论】：

即使我面临同样的问题，当我禁用急切执行时它也能完美运行。

@Siddhant 您是否找到了无需禁用急切执行的替代方案？禁用它似乎可以解决问题，但我不再受益于急切执行的其他功能。

【参考方案1】：

对我来说，从numpy 1.19 升级到1.20 并使用ray 的RLlib（内部使用tensorflow 2.2）时出现了问题。 只需降级

pip install numpy==1.19.5

解决了问题；错误不再发生。

更新（@codeananda 评论）：您现在也可以更新到更新的 TensorFlow (2.6+) 版本来解决问题 (pip install -U tensorflow)。

【讨论】：

这也是我的问题，解决方案有效，谢谢

为什么较低的版本是被接受的版本？它只是说：不要使用 numpy。但是，当您依赖它时，就不可能实施该解决方案。这是唯一正确的答案。

我想知道是否有解决方法。我不想回滚我的 numpy。

这是一个红鲱鱼..正确的答案应该解决下面的解决方案完美的根本原因..我们都从中学到了一些东西

tensorflow 和 numpy 1.20 似乎存在一些兼容性问题。无论如何，Numpy 1.20 并没有得到 tensorflow 的官方支持，所以目前正确的解决方案是降级到 numpy 1.19，直到未来的 tensorflow 版本实现与 numpy 1.20 的兼容性。

【参考方案2】：

我找到了解决这个问题的方法：

这是因为我将符号张量与非符号类型（例如 numpy.例如。不建议有这样的东西：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = np.ones_like(y_true) #numpy array here is not recommended
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

相反，您应该将所有转换为符号张量，如下所示：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = K.ones_like(y_true) #use Keras instead so they are all symbolic
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

希望对您有所帮助！

【讨论】：

但我没有在计算中的任何地方使用 numpy。 github.com/siddhantkushwaha/east_1x/blob/east_tf2.0/losses.py

我的意思是尽量确保所有类型都是符号，如示例中所示，尤其是损失函数的参数。它适用于我的情况。

我也有同样的问题。 tf.zeros 内部使用 numpy，因此无法避免。

【参考方案3】：

我遇到了同样的错误。当我尝试将输入层传递给数据增强顺序层时。错误和我的代码如下所示。 错误：NotImplementedError: Cannot convert a symbolic Tensor (data_augmentation/random_rotation_5/rotation_matrix/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported.

产生错误的代码：

#Create data augmentation layer using the Sequential model using horizontal flipping, rotations and zoom etc.
data_augmentation = Sequential([
    preprocessing.RandomFlip("horizontal"),
    preprocessing.RandomRotation(0.2),
    preprocessing.RandomZoom(0.2),
    preprocessing.RandomHeight(0.2),
    preprocessing.RandomWidth(0.2)
   # preprocessing.Rescale()
], name="data_augmentation")

# Setting up the input_shape and base model, and freezing the underlying base model layers.
input_shape = (224,224,3)
base_model = tf.keras.applications.EfficientNetB0(include_top=False)
base_model.trainable=False

#Create the input layers
inputs = tf.keras.Input(shape=input_shape, name="input_layer")

#Add in data augmentation Sequential model as a layer
x = data_augmentation(inputs) #This is the line of code that generated the error.

我对生成的错误的解决方案： 解决方案 1： 我在较低版本的 TensorFlow 2.4.0 上运行。所以我卸载它并重新安装它以获得更高版本的2.6.0。较新的张量流版本会自动卸载并重新安装 numpy 版本（1.19.5）（如果您的本地计算机中已经安装了 numpy）。这将自动解决错误。在当前 conda 环境的终端输入以下命令：

pip uninstall tensorflow
pip install tensorflow

解决方案 2： 我猜它是所有建议解决方案中最简单的。在 Google colab 而不是本地机器上运行您的代码。 Colab 将始终预装最新的软件包。

【讨论】：

非常有帮助的是，通过升级到更新版本的 TF (2.6+)，它会自动安装正确的 numpy 版本以避免这个问题。

【参考方案4】：

我尝试在我的模型中添加一个 SimpleRNN 层，但在 Python 3.9.5 中收到了类似的错误（NotImplementedError: Cannot convert a symbolic Tensor (SimpleRNN-1/strided_slice:0) to a numpy array）。

当我使用 Python 3.8.10 和我需要的所有其他模块创建另一个环境时，问题就解决了。

【参考方案5】：

转到 Anaconda 导航器 查找已安装的包 (numpy) 点击包裹左侧的绿色挂钩 “标记为特定版本安装” 选择版本，应用

【讨论】：

在命令提示符下更难做