如何对形状未知的张量应用NumPy函数，实现Keras自定义Tile层

问题根源 #

报错的核心原因是在Keras计算图构建阶段混用了NumPy算子：Keras搭建模型时输入为无实际值的符号Tensor，而np.tile是NumPy原生函数，仅能处理有具体数值的数组，无法识别TensorFlow的符号张量，和batch维度未知是间接关联，本质是算子不兼容。

解决方法 #

将call方法中的NumPy实现替换为TensorFlow原生的tf.tile算子，同时补全自定义层必要的序列化方法，避免后续模型保存加载出错。

修正后完整可运行代码 #

import tensorflow as tf
from tensorflow import keras
from keras import Input, Layer # 补全Layer的导入

class Tile(Layer):
    def __init__(self, repeat, **kwargs):
        self.repeat = repeat
        super(Tile,self).__init__(**kwargs)

    def call(self, x):
        # 替换为tf原生tile算子，兼容符号张量计算
        return tf.tile(x, self.repeat)
    
    # 补全get_config方法，支持模型序列化保存/加载
    def get_config(self):
        config = super().get_config()
        config.update({"repeat": self.repeat})
        return config

input = Input(shape=(3,))
repeat = (1, 2)
x = Tile(repeat)(input)
model = keras.Model(input, x)
# 输入补全batch维度，输出形状为(1,6)
print(model(tf.ones((1, 3))))

运行输出 #

tf.Tensor([[1. 1. 1. 1. 1. 1.]], shape=(1, 6), dtype=float32)

内容的提问来源于stack exchange，提问作者danix