Cannot convert a symbolic Keras input/output to a numpy array

环境： Tensorflow2.4.1
报错： Cannot convert a symbolic Keras input/output to a numpy array. This error may indicate that you're trying to pass a symbolic value to a NumPy call, which is not supported. Or, you may be trying to pass Keras symbolic inputs/outputs to a TF API that does not register dispatching, preventing Keras from automatically converting the API call to a lambda layer in the Functional Model.
产生原因： 采用了tf下的Keras 自定义损函数
分析：
损失函数部分代码：

def vae_loss(x, x_decoded_mean):
    xent_loss = original_dim * losses.binary_crossentropy(x, x_decoded_mean)
    print(type(xent_loss))
    kl_loss = -0.5 * K.sum(1 + z_log_var - K.square(z_mean) - K.exp(z_log_var), axis=-1)
    print(type(kl_loss))
    return xent_loss + kl_loss

这是变分自编码的自定义损失函数，从中可以发现分别得到两种张量：

xent_loss --> tensorflow.python.framework.ops.Tensor
kl_loss --> tensorflow.python.keras.engine.keras_tensor.KerasTensor

自定义函数的输入是KerasTensor，但是默认的loss函数输出的是Tensor，KerasTensor和Tensor是完全不同的类，kera_tensor源码中可以发现Keras可以将Tensor转成KerasTensor，但是没发现将KerasTensor转成Tensor的部分。。。
所以。。。我们可以说：

Tensor+KerasTensor = KerasTensor

但是keras自定义损失函数输入的是KerasTensor，默认输出的是Tensor，而这里会导致输出KerasTensor，所以就报错了。

解决方案： 我采用的解决方案如下：

# 一般情况下采用该代码能够解决问题，可以发现函数返回结果已经转化成tensorflow.python.framework.ops.Tensor类了
from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()

所以keras还是避免使用吧，还是用的不太灵活的亚子，我还是老老实实学明白tensorflow怎么用吧~