运行Keras官方VQ-VAE示例报Dimension value must be integer错误如何解决

错误原因 #

这个报错的核心是循环内反复调用Keras模型的predict()接口触发了老版本TensorFlow/Keras的输入张量shape解析bug：
predict()接口本身是为批量输入设计的，内部会做大量的输入格式校验、计算图适配逻辑，在循环内被反复调用时，会错误把numpy数组priors的shape属性识别成类型为getset_descriptor的类属性，而不是实际的形状元组，不符合TensorSpec对维度必须是整数/None的要求，最终抛出类型错误。
你之前检查的输入维度匹配是完全正确的，问题和维度本身无关，是接口调用方式导致的张量元信息解析失败。

修复方案 #

直接替换循环内的调用逻辑即可，不用修改其他代码：
把原来的

probs = sampler.predict(priors)

替换为

probs = sampler(priors, training=False).numpy()

如果还是出现类型报错，可以再把输入显式转成Tensor再传入：

import tensorflow as tf
probs = sampler(tf.convert_to_tensor(priors, dtype=tf.float32), training=False).numpy()

直接调用模型实例本身会走轻量的前向传播逻辑，跳过predict()的冗余校验和建图步骤，不会触发shape解析错误，同时运行速度比循环调用predict()快很多。

如果还有报错可以检查下TensorFlow、Keras、TensorFlow Probability的版本匹配：官方示例运行推荐TF2.8+，TFP0.16+，版本差距过大也可能出现兼容问题。

内容的提问来源于stack exchange，提问作者filusn