TensorFlow自定义损失函数运行model.fit时报期望bool却得到float错误如何解决

TypeError: Expected bool, got 0.0 of type 'float' instead.

该错误出现在tf.cast操作的第一个入参位置，预期接收布尔类型值，实际传入了浮点类型的0.0，具体触发逻辑如下：

• 手动传入tf.constant调用损失函数时，执行动态图逻辑，y_true == 0.0会直接返回布尔类型张量，符合tf.cast入参要求，运行正常。
• 调用model.fit时，损失函数被@tf.function装饰器编译为静态图执行，若输入的y_true张量类型在静态图推断阶段不明确，y_true == 0.0的判断结果会被错误推断为浮点类型（1.0对应True、0.0对应False），不符合tf.cast第一个参数的类型要求，触发报错。

任选以下一种方法即可解决：

• 方法1：显式将判断结果转为布尔类型后再做cast：

mask_0 = tf.cast(tf.cast(y_true == 0.0, tf.bool), tf.float32)
mask_1 = tf.cast(tf.cast(y_true == 1.0, tf.bool), tf.float32)

• 方法2：使用TensorFlow官方提供的相等判断API避免语法糖的类型推断问题：

mask_0 = tf.cast(tf.equal(y_true, 0.0), tf.float32)
mask_1 = tf.cast(tf.equal(y_true, 1.0), tf.float32)

• 方法3：在训练数据流水线中提前固定y_true的类型为浮点型，消除静态图推断的不确定性：
  比如在tf.data.Dataset的预处理逻辑中添加：

y_true = tf.cast(y_true, tf.float32)

原有代码未兼容TensorFlow静态图的类型推断规则：直接使用Python原生==运算符做张量值判断，在静态图编译场景下容易出现类型推断异常，同时没有对判断结果做显式的类型约束，最终导致类型不匹配报错。

内容的提问来源于stack exchange，提问作者user5178150