TensorFlow调用tf.nn.conv2d卷积时触发AttributeError报错

在MNIST数据集上测试模型卷积运算效果、编写卷积核可视化代码时，运行代码抛出AttributeError属性错误。
原可视化代码如下：

keep_prob=1.0
ActivatedUnits = convolve1(sampleimage)
                           
filters = ActivatedUnits.shape[3]
plt.figure(1, figsize=(20,20))
n_columns = 6
n_rows = np.math.ceil(filters / n_columns) + 1
for i in range(filters):
    plt.subplot(n_rows, n_columns, i+1)
    plt.title('Filter ' + str(i))
    plt.imshow(ActivatedUnits[0,:,:,i], interpolation="nearest", cmap="gray")

核心报错信息截取：

AttributeError: 'list' object has no attribute 'shape'

报错位置指向tf.nn.conv2d执行时读取输入shape属性的逻辑。

• 传入卷积函数的sampleimage是Python原生list类型，不具备shape属性，不符合tf.nn.conv2d对输入数据格式的要求：卷积接口要求输入必须是NumPy数组、Tensor张量这类带维度信息的类数组结构，输入维度需要匹配4维格式[batch_size, height, width, channels]。
• 代码逻辑不符合TensorFlow 1.x静态图的调用规则：原项目基于TF1.x静态图机制编写，卷积节点convolve1只是计算图上的操作定义，直接传参调用不会执行实际计算，就算输入格式正确也无法得到卷积输出的实际数值。

调整代码逻辑，先将输入图像转换为符合维度要求的NumPy数组，再通过会话运行卷积节点拿到激活结果，修复后代码如下：

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

keep_prob = 1.0
# 将输入样本转为4维NumPy数组，MNIST为单通道28*28图，单样本batch值为1
# 假设原始sampleimage是28*28的像素列表/数组
sampleimage_arr = np.array(sampleimage, dtype=np.float32).reshape(1, 28, 28, 1)
# TF1.x静态图模式下通过sess.run执行卷积节点，喂入对应数据
ActivatedUnits = sess.run(
    convolve1(x),
    feed_dict={
        x: sampleimage_arr,
        keep_prob: 1.0
    }
)

filters = ActivatedUnits.shape[3]
plt.figure(1, figsize=(20,20))
n_columns = 6
n_rows = np.math.ceil(filters / n_columns) + 1
for i in range(filters):
    plt.subplot(n_rows, n_columns, i+1)
    plt.title('Filter ' + str(i))
    plt.imshow(ActivatedUnits[0,:,:,i], interpolation="nearest", cmap="gray")
plt.show()

注意：如果是TensorFlow 2.x环境运行该代码，需要先禁用2.x默认的eager模式、适配1.x接口，或者将卷积逻辑改写为TF2.x的动态图调用形式，不需要通过sess.run即可直接拿到计算结果。

内容的提问来源于stack exchange，提问作者gsv