如何在使用Tensorflow解决 Cannot convert (-0-1j) to EagerTensor of dtype float

项目场景：

在使用tensorflow.keras自定义网络层时遇到的，出于对numpy的习惯，生成复数会直接在矩阵后面生意-1j，在tensoflow中则会报错

---

问题描述：

Cannot convert (-0-1j) to EagerTensor of dtype float

这里需要强调的是(-0-1j) 复数，如果是其他的数据很有可能只是因为数据类型不匹配不都是float的问题。

所以要通过tf.complex()来生成复数

    def call(self, inputs):
    	#tensorflow正确的复数生成方式
        self.kernel = tf.complex(self.kernel,tf.ones(1080))
        
		#错误的复数生成方式
        out_SLM1 = tf.exp(-1.0j * self.kernel)

        U12 = fftshift(fft2(fftshift(out_SLM1)))
        U21 = fftshift(ifft2(fftshift(tf.multiply(U12, inputs))))
        return U21
        

---

原因分析：

代码如上，在tensorflow中的tensor张量和numpy中的ndarray的数据处理方式并不是完全互通的，不过也可以通过
len1 = tf.convert_to_tensor(len1)
来将ndarray转化为tensor

解决方案：

当遇到这个错误时，可能很多人一开始的反应都会是数据类型不匹配，往往会采用如下：

img_tensor = tf.cast(img_tensor, tf.float64)
或者直接简单粗暴些的形式
tf.float()
或者直接在前面的所要相乘的整数加.0

如果以上并不能解决问题的且你的数据中存在复数的话，可以查看下自己的复数生成是不是有习惯性错误
正确的tensorflow复数生成方法是通过tf.complex()