TensorFlow InvalidArgumentError:Mul运算输入类型不匹配报错问题咨询

这个报错由TensorFlow版本差异带来的类型校验规则不同导致：

1. 他人环境的TensorFlow版本较新，支持不同数值类型张量运算时的隐式自动转换，所以代码可以正常运行
2. 你当前Python3.7环境配套的TensorFlow版本较旧，运算时要求两个输入张量类型完全一致。你调用tf.nn.sigmoid_cross_entropy_with_logits时，传入的y_true标签是int32类型，y_pred预测值是float类型，函数内部执行logits * labels乘法运算时就触发了类型不匹配错误。

你可以任选以下任意一种方案修复问题：

• 方案1（最稳妥，兼容性最高）：修改损失函数代码，显式转换标签类型和预测值对齐
  将loss.py第5行的代码修改为：

return tf.reduce_mean(tf.reduce_sum(tf.nn.sigmoid_cross_entropy_with_logits(labels=tf.cast(y_true, tf.float32), logits=y_pred), axis=1))

• 方案2：对齐TensorFlow版本
  先确认他人环境使用的TensorFlow版本号，在你的Colab中执行命令安装对应版本：

!pip install tensorflow==<对应版本号>

安装完成后重启Colab运行时再执行代码即可。

• 方案3：预处理阶段统一数据类型
  在加载数据集的阶段就将所有标签数据转换为float32类型，从数据源层面避免后续运算的类型冲突。

内容的提问来源于stack exchange，提问作者Enkhmanlai Mark