TensorFlow 2.x调试错误解决：_SymbolicException: Inputs to eager execution function cannot be Keras symbolic

出现的这样错误：

调试TensorFlow 2.0 程序时，发现错误如下：

_SymbolicException: Inputs to eager execution function cannot be Keras symbolic tensors, but found [<tf.Tensor 'my_rnn/lstm_cell/cond/Identity:0' shape=(None, 100) dtype=float32>, <tf.Tensor 'my_rnn/lstm_cell_1/cond/Identity:0' shape=(128, 64) dtype=float32>]

查阅资料发现的一种解决方案：

Keras在编译模型阶段，区分训练状态和非训练状态，二者的逻辑是不一样的。比如说，模型使用了Dropout，在训练时要随机失活部分神经元，而在正式运行（模型已经训练完毕后，在运行时），所有神经元都要保留的。

如果是训练状态，则在编译参数里增加一个选项即可：experimental_run_tf_function = False

  

training = True  #设置一个布尔量，根据不同情况，调用不同的模型编译（装配）

 if training:    #
        # 装配
        model.compile(optimizer = optimizers.RMSprop(0.001),
                      loss = losses.BinaryCrossentropy(),
                      metrics=['accuracy'],
                      experimental_run_tf_function = False
                      )
    else:
        # 装配
        model.compile(optimizer = optimizers.RMSprop(0.001),
          loss = losses.BinaryCrossentropy(),
          metrics=['accuracy']
          )

设置之后，模型就可以运行了。

x_train shape: (25000, 80) tf.Tensor(1, shape=(), dtype=int64) tf.Tensor(0, shape=(), dtype=int64)

x_test shape: (25000, 80)

Epoch 1/50

194/195 [============================>.] - ETA: 0s - loss: 0.5002 - accuracy: 0.6656 Epoch 1/50

195/195 [==============================] - 6s 31ms/step - loss: 0.3957 - accuracy: 0.8240