Keras自定义层触发NotImplementedError：无法将符号Tensor转换为numpy数组

你遇到的错误本质是静态图执行模式下，符号张量没有实际数值，无法直接作为常量传入权重初始化器。你把add_weight放在call方法的首次执行分支中，初始化器尝试用依赖输入的projected_verts生成常量，静态图阶段projected_verts只有计算逻辑没有实际值，就触发了转换失败的报错。

核心思路是：先在build阶段预创建权重，首次执行call时直接用计算得到的投影结果覆盖权重值，不通过初始化器传值。

修改后的完整代码如下：

class CustomLayer(Layer):
    def __init__(self, feat_dims, **kwargs):
        super(CustomLayer, self).__init__(**kwargs)
        self.feat_dims = feat_dims
        self.embeddings = None
        # 用tf.Variable做首次运行标记，兼容静态图分支判断
        self.first_run = tf.Variable(True, trainable=False, dtype=tf.bool)

    def build(self, input_shape):
        _, nvertex, k = input_shape
        # 预创建权重，先用零值初始化，后续会被投影结果覆盖
        self.embeddings = self.add_weight(
            name="vertex_embedding", 
            shape=(nvertex, self.feat_dims),
            initializer="zeros", 
            trainable=True
        )
        super().build(input_shape)

    def call(self, inputs, **kwargs):
        vertices = inputs
        _, nvertex, k = inputs.shape
        
        # 首次运行时执行初始化逻辑
        if self.first_run:
            q = tf.random.normal((k, self.feat_dims), dtype=tf.dtypes.float32)
            q = tf.transpose(tf.linalg.pinv(q))
            scale = tf.math.sqrt(tf.cast(k, tf.dtypes.float32))
            projection_m = scale * q
            projected_verts = tf.tensordot(vertices, projection_m, axes=1)
            # 取第一个batch的投影结果赋值，默认所有batch的顶点一致
            self.embeddings.assign(projected_verts[0])
            # 标记为已初始化，后续不再执行该分支
            self.first_run.assign(False)
        
        # 此处补充你自己的层逻辑，返回对应输出即可
        return self.embeddings

    def get_config(self):
        config = {'feat_dims': self.feat_dims}
        base_config = super(CustomLayer, self).get_config()
        return dict(list(base_config.items()) + list(config.items()))

关键修改说明 #

• 移除了call方法中的add_weight逻辑，改为在build阶段预定义权重，避免初始化器依赖符号张量
• 用tf.Variable类型的运行标记替代Python原生布尔值，保证静态图模式下分支判断可以被正确追踪
• 用assign方法直接给权重赋值，绕开了初始化器需要传入静态常量的限制

注意事项 #

• 上述代码默认所有batch的顶点是一致的，如果你的每个batch顶点都不相同，全局共享顶点embedding的设计本身不适用，需要自行调整方案
• 顶点数nvertex需要是固定值，否则build阶段无法预先定义权重形状

内容的提问来源于stack exchange，提问作者chibi03