升级TensorFlow 2后出现 TypeError: Input ‘y‘ of ‘Mul‘ Op has type float32 that does not match type int3

最近我在github上下载了别人的深度学习算法，但是在我的tf2环境中出现了如上错误。

我的环境:
python3.6 + tensorflow 2.3.0 + keras 2.4.3

实际中采用了tensorflow.keras，不需要额外安装keras

结论：
我尝试了下面两种方法，均可以解决：

倒回版本
使x与y数据类型一致

Ⅰ 倒回版本

新环境:
python3.6 + tensorflow 1.15.0 + keras 2.4.0

该环境下能够正常运行，但是与我CUDA版本(10.1)不匹配

Ⅱ 使x与y数据类型一致

问题分析
训练集中，x是待分割图，经过归一化后为0到1的浮点数；y是掩膜，由0和1两个元素组成的分割结果
x与y的结构如下：

<HDF5 dataset "images": shape (2782, 512, 512, 1), type "<f8">
<HDF5 dataset "masks": shape (2782, 512, 512, 1), type "<i4">

因此我们要做的就是把y也变成浮点数数组

改变数据类型
将整形数组改为浮点型数组，可使用如下代码：

livers = np.array(livers, dtype='float32')

对与我的情况，主要是修改HDF5DatasetWriter.py中的写入代码

self.data = self.db.create_dataset("images", image_dims, dtype="float")
self.masks = self.db.create_dataset("masks", mask_dims, dtype="float")

缺少 cupti64_80.dll
我采用了这个解决方法

cuDNN 相关
进行到这一步时，cuDNN仍然会报错。我采用了这个方法，在代码中加入：

gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

终于可以运行了。如果还出错的话可以试下调小batch_size。