NotImplementedError：无法将符号张量 (2nd_target:0) 转换为 numpy 数组

对我来说，从 numpy 1.19 升级到 1.20 并使用 ray 的 RLlib（它在内部使用 tensorflow 2.2）时出现了问题。只需降级

pip install numpy==1.19.5

解决了问题；该错误不再发生。

更新（@codeananda 评论）：您现在也可以更新到更新的 TensorFlow (2.6+) 版本来解决问题 (pip install -U tensorflow)。

我找到了解决这个问题的方法：

这是因为我将符号张量与非符号类型（例如 numpy.例如。不建议有这样的东西：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = np.ones_like(y_true) #numpy array here is not recommended
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

相反，您应该将所有转换为符号张量，如下所示：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = K.ones_like(y_true) #use Keras instead so they are all symbolic
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

希望这有帮助！

我遇到了同样的错误。当我尝试将输入层传递给数据增强顺序层时。错误和我的代码如下所示。
错误：
NotImplementedError: Cannot convert a symbolic Tensor (data_augmentation/random_rotation_5/rotation_matrix/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported.

我产生错误的代码：

#Create data augmentation layer using the Sequential model using horizontal flipping, rotations and zoom etc.
data_augmentation = Sequential([
    preprocessing.RandomFlip("horizontal"),
    preprocessing.RandomRotation(0.2),
    preprocessing.RandomZoom(0.2),
    preprocessing.RandomHeight(0.2),
    preprocessing.RandomWidth(0.2)
   # preprocessing.Rescale()
], name="data_augmentation")

# Setting up the input_shape and base model, and freezing the underlying base model layers.
input_shape = (224,224,3)
base_model = tf.keras.applications.EfficientNetB0(include_top=False)
base_model.trainable=False

#Create the input layers
inputs = tf.keras.Input(shape=input_shape, name="input_layer")

#Add in data augmentation Sequential model as a layer
x = data_augmentation(inputs) #This is the line of code that generated the error.

我对生成的错误的解决方案： 解决方案 1：我在较低版本的 Tensorflow 版本 2.4.0 上运行。所以我卸载它并重新安装它以获得更高版本的 2.6.0。较新的张量流版本会自动卸载并重新安装 numpy 版本（1.19.5）（如果您的本地计算机中已经安装了 numpy）。这将自动解决错误。在当前 conda 环境的终端中输入以下命令：

pip uninstall tensorflow
pip install tensorflow

解决方案 2：我猜它是所有建议解决方案中最简单的。在 Google colab 而不是本地计算机中运行您的代码。 Colab 将始终预装最新的软件包。

我尝试将 SimpleRNN 层添加到我的模型中，但在 Python 3.9.5 中收到了类似的错误（NotImplementedError：无法将符号张量 (SimpleRNN-1/strided_slice:0) 转换为 numpy 数组）。

当我使用 Python 3.8.10 和我需要的所有其他模块创建另一个环境时，问题就解决了。

正如其他人所指出的，这是由于特定 tensorflow 版本和特定 numpy 版本之间的不兼容造成的。

以下是我的具体环境和我已经安装的包列表：

康达版本 4.11.0

设置工作环境的命令：

conda activate base
conda create -y --name myenv python=3.9
conda activate myenv
conda install -y tensorflow=2.4
conda install -y numpy=1.19.2
conda install -y keras

系统信息

System:    Kernel: 5.4.0-100-generic x86_64 bits: 64 compiler: gcc v: 9.3.0 
           Desktop: Cinnamon 5.2.7 wm: muffin dm: LightDM Distro: Linux Mint 20.3 Una 
           base: Ubuntu 20.04 focal 
Machine:   Type: Laptop System: LENOVO product: 20308 v: Lenovo Ideapad Flex 14 serial: <filter> 
           Chassis: type: 10 v: Lenovo Ideapad Flex 14 serial: <filter> 
           Mobo: LENOVO model: Strawberry 4A v: 31900059Std serial: <filter> UEFI: LENOVO 
           v: 8ACN30WW date: 12/06/2013 
CPU:       Topology: Dual Core model: Intel Core i5-4200U bits: 64 type: MT MCP arch: Haswell 
           rev: 1 L2 cache: 3072 KiB 
           flags: avx avx2 lm nx pae sse sse2 sse3 sse4_1 sse4_2 ssse3 vmx bogomips: 18357 
           Speed: 798 MHz min/max: 800/2600 MHz Core speeds (MHz): 1: 798 2: 798 3: 798 4: 799 
Graphics:  Device-1: Intel Haswell-ULT Integrated Graphics vendor: Lenovo driver: i915 v: kernel 
           bus ID: 00:02.0 chip ID: 8086:0a16 
           Display: x11 server: X.Org 1.20.13 driver: modesetting unloaded: fbdev,vesa 
           resolution: 1366x768~60Hz 
           OpenGL: renderer: Mesa DRI Intel HD Graphics 4400 (HSW GT2) v: 4.5 Mesa 21.2.6 
           compat-v: 3.0 direct render: Yes 
 

我在将暗网权重转换为 TensorFlow 模型时遇到了这个问题。当我使用 Tensorflow v2.3（之前是 Tensorflow v2.2）创建一个新环境并且预装了 NumPy 时，我摆脱了这个问题。

所以也许更新你的 TF 版本可能会解决这个问题。

我有同样的问题并解决了。

为了找到根本原因，我使用 python 3.8 创建了一个新的 anaconda 环境，并且 conda 安装了 tensorflow（安装 2.4）

当我运行 keras LSTM 代码时，它出现了

rnnmodel.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))

通过安装最新的 tensorflow 2.8 修复它

pip uninstall tensorflow
pip install tensorflow

以下配置对我有用。

蟒蛇=3.8

张量流=2.8.0

进入 Anaconda Navigator 找到你安装的包（numpy） 点击包左边的绿色勾“mark for specific version installation” 选择版本，应用