TensorFlow 2.5.0与NumPy 1.21+不兼容导致Keras数据增强报错问询

错误原因 #

该报错并非代码编写错误导致，是TensorFlow与NumPy版本不兼容引发的问题。你当前使用的TensorFlow 2.5.0仅适配1.19.x版本的NumPy，NumPy 1.20及以上版本对Tensor类型的处理逻辑做了调整，与2.5及更早版本TensorFlow内置的Keras预处理层存在适配冲突。Google Colab可正常运行是因为其默认环境的TensorFlow、NumPy为官方测试过的匹配组合，不存在版本不兼容问题。

解决方案 #

你可根据自身需求选择任意一种方案解决：

• 方案1：降级NumPy到兼容版本
  直接执行以下命令安装1.19.5版本NumPy，安装完成后重启运行环境即可，原有代码无需修改：

  pip install numpy==1.19.5
  

• 方案2：升级TensorFlow到适配高版本NumPy的版本
  TensorFlow 2.6及以上稳定版本已修复与NumPy 1.20+的兼容问题，直接升级TensorFlow即可，你现有代码用到的API无破坏性变更，升级后可直接运行：

  pip install tensorflow==2.10.0
  

• 方案3：不改动现有环境，调整数据增强实现逻辑
  若不想修改现有环境的依赖版本，可将数据增强逻辑从Keras模型中抽离，放到tf.data.Dataset的预处理流水线中实现，调整后原模型可删除嵌入的data_augmentation层，绕开版本兼容问题，示例代码如下：

  import tensorflow as tf
  import tensorflow_addons as tfa
  import numpy as np
  
  def augment_func(image, label):
      # 随机水平翻转
      image = tf.image.random_flip_left_right(image)
      # 随机±15度旋转
      rotate_angle = tf.random.uniform(shape=[], minval=-15, maxval=15, dtype=tf.float32)
      image = tfa.image.rotate(image, rotate_angle * np.pi / 180, interpolation='bilinear')
      return image, label
  
  # 仅对训练集做增强，验证集保持原有处理逻辑
  augmented_train_ds = normalized_train_ds.map(augment_func, num_parallel_calls=tf.data.AUTOTUNE)
  
  # 训练时传入增强后的数据集
  history_2 = model_2.fit(
      augmented_train_ds,
      validation_data = normalized_val_ds,
      epochs = epochs_2
  )
  

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