TensorFlow2.9运行含自定义平方激活函数的模型时触发AttributeError

• TensorFlow版本：2.9.1
• Keras版本：2.9.0

运行搭载自定义平方激活函数的模型代码时，前序所有命令均可正常执行，执行到添加Conv2D层的代码行时触发报错。

• 触发报错的代码行：
  model.add(Conv2D(32, kernel_size=(3, 3), activation=custom_activation, input_shape=((input_shape))))
• 完整报错内容（已翻译）：

AttributeError：调用层"conv2d_4"（类型Conv2D）时遇到异常
模块keras.api._v2.keras.backend不存在属性x
层"conv2d_4"（类型Conv2D）接收到的调用参数：

• inputs=tf.Tensor(shape=(None, 28, 28, 1), dtype=float32)

import tensorflow
from tensorflow.keras.datasets import mnist
from tensorflow.keras import backend as K 
from keras.utils.generic_utils import get_custom_objects
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten, Activation
from tensorflow.keras.layers import Conv2D, MaxPooling2D
import numpy as np
import matplotlib.pyplot as plt


# 自定义激活函数
def custom_activation(x):
    return K.cast(K.x**2)  # 曾尝试调用Square(x)实现

# 创建模型前注册自定义对象
get_custom_objects().update({'custom_activation': Activation(custom_activation)})

# 模型配置参数
img_width, img_height = 28, 28
batch_size = 32
no_epochs = 5
no_classes = 10
verbosity = 1

# 加载MNIST数据集
(input_train, target_train), (input_test, target_test) = mnist.load_data()

# 数据维度调整
input_train = input_train.reshape(input_train.shape[0], img_width, img_height, 1)
input_test = input_test.reshape(input_test.shape[0], img_width, img_height, 1)
input_shape = (img_width, img_height, 1)

# 转换数据类型为float
input_train = input_train.astype('float32')
input_test = input_test.astype('float32')

# 数据归一化到[0,1]区间
input_train = input_train / 255
input_test = input_test / 255

# 标签转换为独热编码格式
target_train = tensorflow.keras.utils.to_categorical(target_train, no_classes)
target_test = tensorflow.keras.utils.to_categorical(target_test, no_classes)

# 创建模型
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation=custom_activation, input_shape=((input_shape))))

核心故障原因 #

自定义激活函数的写法存在语法和逻辑错误，同时存在导入路径不统一的兼容隐患：

• 代码中写的K.x属于错误调用，K是Keras后端模块，该模块下不存在名为x的属性，x是自定义函数接收的输入张量参数，不需要加K.前缀
• K.cast函数调用时缺少必填的目标数据类型参数，即使修正了K.x的问题，这行代码依然会触发参数缺失报错
• 代码中混用了独立Keras和TensorFlow内置Keras的导入路径，在TF2.9版本环境下容易触发兼容问题

修复步骤 #

1. 修正自定义激活函数逻辑，直接对传入的输入张量做平方计算即可，修正后的代码：

def custom_activation(x):
    return x ** 2

2. 统一导入路径，将原代码中from keras.utils.generic_utils import get_custom_objects替换为以下代码，避免跨版本兼容问题：
   from tensorflow.keras.utils import get_custom_objects

完成以上修改后，代码即可正常运行，Conv2D层可以正确识别并调用自定义的平方激活函数。

内容的提问来源于stack exchange，提问作者Anmar Ali