TensorFlow关闭eager execution模式下如何计算均方误差(MSE)

报错本质是关闭eager执行后，TensorFlow进入静态图模式，所有运算返回的Tensor对象只是计算图的节点，还未执行实际数值计算，因此不支持.numpy()方法直接取值。

你使用的是最新版TensorFlow 2.x系列，静态图相关接口已迁移到tf.compat.v1命名空间下，可按以下两种场景选择实现方式：

方案1：单独计算MSE的数值结果 #

通过会话运行计算图节点获取实际值，代码示例如下：

import tensorflow as tf
# TF2.x关闭eager执行的正确写法
tf.compat.v1.disable_eager_execution()

# 此处替换为你实际的真实值、预测值张量定义
y_true = tf.constant([[1.0], [2.0], [3.0]])
y_prediction = tf.constant([[1.1], [2.2], [2.9]])

# 方式1：使用Keras内置MSE接口
mse_loss = tf.keras.losses.MeanSquaredError()(y_true, y_prediction)
# 方式2：使用原生算子实现，计算结果和方式1完全一致
# mse_loss = tf.reduce_mean(tf.square(y_true - y_prediction))

# 开启会话执行计算获取数值
with tf.compat.v1.Session() as sess:
    MSE = sess.run(mse_loss)

print(MSE)

方案2：在Keras模型训练流程中使用 #

如果是将MSE作为模型损失函数使用，不需要手动调用方法取值，直接在模型编译阶段指定损失即可，框架会在训练时自动计算：

model.compile(optimizer='adam', loss=tf.keras.losses.MeanSquaredError())
# 后续正常调用model.fit训练即可

内容的提问来源于stack exchange，提问作者Ariya