Tensorflow2 Warning incompatible shape()

最近在做实验，设计了一个中间层，有两个输入，一个是前面编码器的输出encoder_output，形状为（None，z_dim）的tensor，另外一个是gumbel_softmax的温度temp，形状为(None,1)的tensor。

def make_gumbel_layer(n_class):
    encoder_output = tf.keras.Input(shape=(z_dim,))
    temp = tf.keras.Input(shape=(1,))
    x = tf.keras.layers.Dense(n_class)(encoder_output)
    gumbel_label = gumbel_softmax(x, temp)
    model = tf.keras.Model(inputs=[encoder_output, temp], outputs=gumbel_label)
    return model

 调用的代码为

    with tf.GradientTape() as ae_tape:
        encoder_output = encoder(batch_x, training=True)
        gumbel_label = gumbel_layer([encoder_output, temp])
        decoder_output = decoder([encoder_output, gumbel_label], training=True)

结果报warning。

尝试在调用的代码中输出了temp的数据类型

    with tf.GradientTape() as ae_tape:
        encoder_output = encoder(batch_x, training=True)
        print(type(temp))
        gumbel_label = gumbel_layer([encoder_output, temp])
        decoder_output = decoder([encoder_output, gumbel_label], training=True)

输出结果表明temp是一个float object，不是tensor。可以想到，temp被自动转换为形如()的tensor，即tensor的标量。而模型定义输入是(None, 1)。所以报warning。

所以只需要把temp 转换为 形如(1,1)的tensor即可。将调用的代码改为

    with tf.GradientTape() as ae_tape:
        encoder_output = encoder(batch_x, training=True)
        gumbel_label = gumbel_layer([encoder_output, tf.reshape(temp,[1,1])])
        decoder_output = decoder([encoder_output, gumbel_label], training=True)