TF1转TF2时Shapes (None,8631)与(8631,)不兼容问题求助

将TensorFlow 1.14版本的LaVAN对抗补丁生成代码转换为TensorFlow 2.10.0版本时，通过替换tf为tf.compat.v1实现兼容，但调用categorical_crossentropy()时触发形状不兼容错误。

转换后的关键代码片段：

target = tf.compat.v1.keras.utils.to_categorical(target_idx, 8631)
target_variable = tf.compat.v1.keras.backend.variable(target, dtype=tf.float32)
source = tf.compat.v1.keras.utils.to_categorical(source_idx, 8631)
source_variable = tf.compat.v1.Variable(source, dtype=tf.float32)

init_new_vars_op = tf.compat.v1.variables_initializer([target_variable, source_variable])
sess.run(init_new_vars_op)

class_variable_t = target_variable
loss_func_t = tf.compat.v1.keras.metrics.categorical_crossentropy(model.output.op.inputs[0], class_variable_t) # 触发错误
get_grad_values_t = tf.compat.v1.keras.backend.function([model.input], tf.compat.v1.keras.backend.gradients(loss_func_t, model.input))

触发的错误信息：

File "d:\...\attacks\laVAN.py", line 230, in <module>
    perturb_one(VGGModel(vggface.ARCHITECTURE_RESNET50), "D:/BA-Python-Code/VGGFace2/n842_0056_01.jpg", 151, 500, save_to_disk=True, image_domain=True)
File "d:\...\attacks\laVAN.py", line 196, in perturb_one
    preprocessed_array = generate_adversarial_examples(vggmodel, img_path, epsilon, src_idx, tar_idx, iterations, image_domain)
File "d:\...\attacks\laVAN.py", line 90, in generate_adversarial_examples
    loss_func_t = tf.compat.v1.keras.metrics.categorical_crossentropy(model.output.op.inputs[0], class_variable_t)
File "D:\...\miniconda3\envs\tf-gpu210\lib\site-packages\tensorflow\python\util\traceback_utils.py", line 153, in error_handler
    raise e.with_traceback(filtered_tb) from None
File "D:\...\miniconda3\envs\tf-gpu210\lib\site-packages\keras\losses.py", line 1990, in categorical_crossentropy
    return backend.categorical_crossentropy(
File "D:\...\miniconda3\envs\tf-gpu210\lib\site-packages\keras\backend.py", line 5529, in categorical_crossentropy
    target.shape.assert_is_compatible_with(output.shape)
ValueError: Shapes (None, 8631) and (8631,) are incompatible

原TensorFlow 1.14版本代码（无.compat.v1.修饰）可正常运行，当时对应张量形状为(?, 8631)和(8631,)。运行环境为Windows系统下的GPU版TensorFlow 2.10.0。

核心原因是TensorFlow 2.x版本的categorical_crossentropy对输入张量的形状校验比TF1.x更严格，要求目标张量与模型输出张量的维度完全匹配（均需包含批量维度）。以下是两种可行的修复方法：

• 方法一：初始化变量时添加批量维度
  在创建target_variable和source_variable前，通过tf.expand_dims为独热编码后的张量添加批量维度（从(8631,)变为(1, 8631)）：

  target = tf.compat.v1.keras.utils.to_categorical(target_idx, 8631)
  # 插入批量维度
  target = tf.expand_dims(target, axis=0)
  target_variable = tf.compat.v1.keras.backend.variable(target, dtype=tf.float32)
  
  source = tf.compat.v1.keras.utils.to_categorical(source_idx, 8631)
  # 插入批量维度
  source = tf.expand_dims(source, axis=0)
  source_variable = tf.compat.v1.Variable(source, dtype=tf.float32)
  

• 方法二：计算损失时扩展目标变量维度
  若不想修改变量初始化逻辑，可在调用categorical_crossentropy时，临时为class_variable_t添加批量维度：

  loss_func_t = tf.compat.v1.keras.metrics.categorical_crossentropy(
      model.output.op.inputs[0], 
      tf.expand_dims(class_variable_t, axis=0)
  )
  

• 验证修复效果
  修改后可打印两个张量的形状确认兼容性：

  print("模型输出形状:", model.output.op.inputs[0].shape)
  print("目标变量形状:", class_variable_t.shape)
  

  确保两者形状均为(None, 8631)或(1, 8631)（批量维度一致）。

内容的提问来源于stack exchange，提问作者cloudmanager