求助：TF2.3.0中model.fit()报Tensor不在当前图中的错误

问题重现 #

运行model.fit()时触发报错：

ValueError: Tensor Tensor("dense_4/Sigmoid:0", shape=(?, 1025), dtype=float32) is not an element of this graph

场景说明：

• 使用TF 2.3.0的Keras模块，此前代码正常运行
• 流程为：加载检查点→恢复网络训练→通过生成器调用验证函数并执行model.predict()
• 从头训练、清除缓存数据后问题依旧，更换TF版本也无法解决，尝试过常见方案无效

针对性解决方案 #

1. 强制所有操作在同一图上下文执行 #

TF2.x混合即时执行和图模式时，容易出现图上下文不一致问题。把模型构建、训练、验证的全部逻辑放在默认图上下文里：

import tensorflow as tf

# 获取默认图并设置为上下文
graph = tf.compat.v1.get_default_graph()
with graph.as_default():
    # 这里放模型定义/加载检查点的代码
    model = your_model_definition()
    model.load_weights("your_checkpoint.h5")
    
    # 执行训练
    model.fit(
        train_generator,
        validation_data=val_generator,
        epochs=...
    )
    
    # 执行验证预测
    val_predictions = model.predict(val_generator)

2. 确保生成器内的predict调用复用同一模型实例 #

如果验证函数是在生成器内部调用model.predict()，绝对不要在生成器里重新加载模型或构建新的模型实例。必须直接传入训练流程中使用的同一个model对象，避免生成器在新的图上下文里执行预测。

3. 禁用即时执行模式（兼容TF1.x图模式） #

TF2.3.0的即时执行模式可能和部分老代码逻辑冲突，在代码最开头添加以下代码强制使用纯图模式：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

这个方法能解决绝大多数跨图上下文的Tensor报错。

4. 规范检查点加载流程 #

加载检查点时，先确保模型结构完全定义完成，再加载权重，不要在加载后重复编译模型（除非修改了优化器或损失函数）：

# 正确流程
def build_model():
    # 你的模型结构定义
    inputs = tf.keras.Input(shape=(...))
    x = tf.keras.layers.Dense(64)(inputs)
    outputs = tf.keras.layers.Dense(1025, activation="sigmoid")(x)
    return tf.keras.Model(inputs, outputs)

model = build_model()
# 加载权重
model.load_weights("checkpoint.h5")
# 若需要重新编译，确保编译操作也在同一图上下文内
model.compile(optimizer="adam", loss="binary_crossentropy")

内容的提问来源于stack exchange，提问作者Phys