TensorFlow 1.14特征分解报错求助：同逻辑Numpy代码正常

你的错误根源是用Numpy的特征分解函数处理TensorFlow张量——K_reg是TensorFlow计算图中的张量对象，而非Numpy数组，np.linalg.eig无法直接处理，必须改用TensorFlow自带的特征分解API，同时适配TF1.x的静态图运行机制。

关键修改点 #

• 修正错误导入：原代码from tensorflow.linalg import inv eig语法错误，需用逗号分隔导入项；
• 替换特征分解函数：用TensorFlow 1.14提供的tf.linalg.eig（通用矩阵）或tf.linalg.eigh（实对称/厄米特矩阵，更高效）替代np.linalg.eig；
• 适配TF1.x静态图：需要通过会话（Session）运行计算图，才能得到具体数值结果。

修正后的完整代码 #

import tensorflow as tf
from tensorflow.linalg import inv, eig  # 修正导入语法

# 假设Xn、Yn、n已提前定义
_, Ux, _ = tf.linalg.svd(Xn, full_matrices=False, compute_uv=True)

# 投影X和Y到主成分
Yproj = tf.matmul(tf.transpose(Ux), Yn)
Xproj = tf.matmul(tf.transpose(Ux), Xn)

_, Uyx, Vyx = tf.linalg.svd(tf.matmul(Yproj, tf.transpose(Xproj)), full_matrices=False, compute_uv=True)
K_reg = tf.matmul(Uyx, tf.transpose(Vyx))

# TensorFlow中执行特征分解
eigval_tensor, eigvec_tensor = tf.linalg.eig(K_reg)

# TF1.x需通过会话运行获取结果
with tf.Session() as sess:
    Eigval_Proc, Eigvec_Proc = sess.run([eigval_tensor, eigvec_tensor])

补充说明 #

• 如果K_reg是实对称矩阵（从你的计算逻辑看，Uyx和Vyx是SVD得到的正交矩阵，K_reg大概率是正交矩阵，属于实对称矩阵的子集），推荐用tf.linalg.eigh，它计算更快且返回的特征值是有序的；
• 若坚持用Numpy处理，需先将张量转为Numpy数组：Eigval_Proc, Eigvec_Proc = np.linalg.eig(K_reg.eval(session=sess))，但这种方式会破坏TF计算图的连贯性，不推荐。

内容的提问来源于stack exchange，提问作者Carlos