我的目标是最小化一个变量函数f(x1, x2,..., xn),它涉及到大量复杂的计算。而且它需要tensorflow,这不像numpy那么方便。因此,我在下面定义了一个函数来将numpy函数转换为tensorflow函数。provided for any variable, check your graph for ops that do not support gradient
我有一个函数,取32,32,3张量,输出256,256,3张量。NotImplementedError: Cannot convert a symbolic Tensor (mul:0) to a numpy array.对于类似错误的许多其他答案似乎归结为“您需要使用tensorflow而不是numpy重写函数”。
我已经编写了一个tf.keras自定义层,其中使用了一些仅适用于numpy数组的函数,因此当我尝试在带有tf.keras.Input的模型中使用我的层时,这些函数会引发错误:input data mustbe a numpy ndarray.使用sess = tf.compat.v1.Session()和sess.run(x)可以得出:会话图为空。在调用run()之前将操作添加到图形中inputs