TypeError:TensorF中的/：“Dimension”和“float”的操作数类型不受支持

Question

我有一个在Tensorflow中实现深度学习的代码。我使用Keras模块

self.n_clusters = 10
self.alpha = 0.01
clustering_layer = ClusteringLayer(self.n_clusters, alpha=self.alpha, name='clustering')(hidden)

我的错误主要是来自上面的，所以我就附上了。在

它给出了以下错误：

^{pr2}$

第118行是我的代码位置。错误似乎发生在tensorflow包中。它给了我TypeError: unsupported operand type(s) for /: 'Dimension' and 'float'。我尝试了python 2.7和{}，但问题相同。在

如何处理这种情况？在

一个非常相似的情况是在github中，它的错误可以在它的代码中解决，但是我的错误似乎发生在init_ops.pyc

Answer 1

我遇到了一个非常类似的问题我有一个定制的Layer，它

• 当它在keras中时工作非常好(keras.version=2.24）使用tf后端(tf.version=1.14条）
• 当我切换到tf.keras时，引发与问题中描述的相同的错误消息(tf.version=1.14条）

@Alexandre Passos的建议很管用，但我花了一段时间才弄明白他到底是什么意思。一、 因此，请在下面分享我的经验，以帮助未来的朋友。在

下面是一个定制层的示例

class CustomizedLayer(Layer) :
  def __init__(self, num_feats, **kwargs) :
    self.num_feats = num_feats
    super(CustomizedLayer, self).__init__(**kwargs)
  def build(self, input_shape) :
    weight_shape = (input_shape[-1], self.num_feats) # <  - problem
    self.weight = self.add_weight(shape=weight_shape, 
                                 ...)
    super(CustomizedLayer, self).build(input_shape)
  def call(self, inputs) :
    ...

问题发生在tf.keras，因为传递的input_shape是tf.Dimension类型，而不是{}类型，这是{}所必需的，也是使用keras时传递的类型。在

因此，同一层定义在keras中工作，而在tf.keras中不起作用。在

因此，您需要做的就是将tf.Dimension对象转换为int，即将weight_shape的行重写为

^{pr2}$

Answer 2

这里的问题似乎是ClusteringLayer正在传递一个tf.尺寸对象作为簇数，用于初始化权重。改为使用int（self.n_clusters）来绕过维度对象问题。在