TensorFlow报错无py_func属性，使用tf.compat.v1.py_func仍无效如何解决

tf.py_func 是TensorFlow 1.x版本的原生API，TensorFlow 2.x正式版本中已经完全移除了该接口，仅在兼容层保留了tf.compat.v1.py_func，如果直接调用会抛出属性不存在的错误。如果已经尝试用兼容层接口仍报错，一般是2.x默认开启了Eager Execution模式导致的兼容问题，或者存在返回值类型不匹配的问题。

• 方案1：适配TensorFlow 2.x兼容层
  首先在代码导入TensorFlow后的最开头添加关闭Eager Execution的配置：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

再将代码中所有tf.py_func替换为tf.compat.v1.py_func，参数保持不变即可：

neighbour_idx = tf.compat.v1.py_func(DP.knn_search, [batch_xyz, batch_xyz, cfg.k_n], tf.int32)
up_i = tf.compat.v1.py_func(DP.knn_search, [sub_points, batch_xyz, 1], tf.int32)

如果修改后仍有报错，检查DP.knn_search函数的返回值numpy数组类型是否和声明的tf.int32完全匹配，类型不匹配也会触发运行时错误。

• 方案2：使用2.x原生替代接口（更推荐长期使用）
  直接将所有tf.py_func替换为2.x原生的tf.numpy_function，该接口是官方指定的tf.py_func替代实现，天然适配Eager Execution模式，不需要额外关闭2.x行为，参数和原接口完全兼容：

neighbour_idx = tf.numpy_function(DP.knn_search, [batch_xyz, batch_xyz, cfg.k_n], tf.int32)
up_i = tf.numpy_function(DP.knn_search, [sub_points, batch_xyz, 1], tf.int32)

注意：tf.numpy_function返回的Tensor默认没有固定shape信息，如果后续操作依赖固定shape，可以手动调用set_shape方法给返回值设置shape，避免后续图编译报错。

内容的提问来源于stack exchange，提问作者youssef