TensorFlow自定义损失函数报错OperatorNotAllowedInGraphError求助

问题根源 #

错误出在自定义损失函数的call方法里的条件判断逻辑：

• Python的链式比较写法self.e2 < d < self.e1会被解析为(self.e2 < d) and (d < self.e1)，但在TensorFlow图模式下，d是Tensor对象，无法直接用Python的and运算符（会尝试将Tensor转为Python布尔值，这是图模式禁止的操作）。
• tf.experimental.numpy.select要求输入的条件列表必须是TensorFlow布尔张量，而非Python原生布尔值。

修正方案 #

1. 用TensorFlow提供的tf.logical_and替代Python的and，构建合法的布尔张量条件。
2. 显式将初始化参数e1、e2转为TensorFlow常量，避免类型隐式转换问题。
3. 可选：用更稳定的tf.where替代tf.experimental.numpy.select（两者功能等价，但tf.where在图模式下兼容性更好）。

修正后的完整代码 #

import tensorflow as tf
from tensorflow.keras import layers

class my_loss(tf.keras.losses.Loss):

    def __init__(self, e1, e2, **kwargs):
        assert e1 > e2, "e1 must be greater than e2"
        # 转为TF常量，确保与计算图内张量类型一致
        self.e1 = tf.convert_to_tensor(e1, dtype=tf.float32)
        self.e2 = tf.convert_to_tensor(e2, dtype=tf.float32)
        super().__init__(**kwargs)

    def call(self, Y_true, Y_pred):
        d = tf.reduce_mean(tf.abs(Y_true - Y_pred))
        l1 = d ** 1.5  # 误差大时，损失放大更多
        l2 = d * 1.5   # 误差中等时，损失小幅放大
        l3 = d
        
        # 替换链式比较为TF逻辑运算
        condition1 = d >= self.e1
        condition2 = tf.logical_and(d > self.e2, d < self.e1)
        condition3 = d <= self.e2
        
        # 用嵌套tf.where实现多分支选择
        res = tf.where(condition1, l1, tf.where(condition2, l2, l3))
        # 若坚持用tf.experimental.numpy.select，需传入合法的布尔张量列表
        # res = tf.experimental.numpy.select([condition1, condition2, condition3], [l1, l2, l3])
        return res

    def get_config(self):
        parent_config = super().get_config()
        # 将TF张量转回Python数值，保证模型序列化正常
        return {**parent_config, "e1": self.e1.numpy(), "e2": self.e2.numpy()}

model = tf.keras.models.Sequential()
model.add(layers.Dense(50, input_dim=9)) # 特征长度为9
model.add(layers.Dense(50))
model.add(layers.Dense(50))
model.add(layers.Dense(1))

model.compile(
   loss=my_loss(2, 0.5),
   optimizer="adam",
   # metrics=["accuracy"]
)

# 假设x_train和y_train已提前定义
# hist = model.fit(x_train, y_train, epochs=50)

关键修改说明 #

• 在__init__中将e1、e2转为TF常量，确保和计算图内的张量类型匹配，避免隐式转换冲突。
• 用tf.logical_and替代Python的and，生成符合图模式要求的布尔张量条件。
• 在get_config中把TF张量转回Python数值，保证模型保存、加载时的序列化兼容性。

内容的提问来源于stack exchange，提问作者meysam