TensorFlow标准Autoencoder调用触发ValueError：无效dtype问题求助

• 检查Autoencoder类的call方法及层配置

  • 确认call方法中是否存在强制转换输入dtype的错误操作，比如误将输入的float32张量转为int类型（x = tf.cast(x, tf.int32)），导致后续层处理时 dtype 不兼容。
  • 排查编码器、解码器的层初始化参数，是否手动指定了非float32的dtype（比如dtype=tf.int16），与输入张量的float32类型冲突。

• 验证数据预处理细节

  • 确认数据集加载或归一化后，是否隐性改变了dtype，比如MNIST数据加载后是否确保转为float32，是否存在误将数据转为int类型的操作。
  • 自动编码器训练时通常输入与标签一致（x=y），检查传入fit的y参数dtype是否与x相同，若y为int32而x为float32也会触发该错误。

• 排查模型继承与自定义逻辑

  • 确认Autoencoder类是否正确继承tf.keras.Model，重写call方法时是否正确返回张量，避免引入非TensorFlow原生操作导致 dtype 异常。
  • 检查模型编译时的损失函数，自定义损失函数中是否存在强制转换dtype的操作，与输入张量类型不匹配。

• 版本兼容问题

  • 若参考的文档版本与当前使用的TensorFlow版本差异较大，部分层的默认dtype可能变更，可尝试在模型或层初始化时显式指定dtype='float32'。

常见错误示例 #

比如编码器层误指定错误dtype：

class Autoencoder(tf.keras.Model):
    def __init__(self):
        super().__init__()
        self.encoder = tf.keras.Sequential([
            tf.keras.layers.Flatten(),
            tf.keras.layers.Dense(128, activation='relu'),
            tf.keras.layers.Dense(32, activation='relu', dtype=tf.int32)  # 错误指定dtype
        ])
        self.decoder = tf.keras.Sequential([
            tf.keras.layers.Dense(128, activation='relu'),
            tf.keras.layers.Dense(784, activation='sigmoid'),
            tf.keras.layers.Reshape((28, 28))
        ])

    def call(self, x):
        encoded = self.encoder(x)
        return self.decoder(encoded)

此例中编码器最后一层指定了int32，与输入float32冲突，会触发无效dtype报错。

内容的提问来源于stack exchange，提问作者razzzz