使用Keras获取去噪自编码器隐藏层输出的报错排查

你遇到的问题本质是TensorFlow 2.x 默认启用的Eager Execution模式与旧版Keras文档中基于图模式的API不兼容，具体原因和解决方法如下：

为什么官方文档的方法会失败？ #

在TensorFlow 1.x的图模式中，K.learning_phase()返回的是一个占位符张量，用来在计算图中动态切换训练/测试状态。但在TF2.x默认的Eager模式下，K.learning_phase()直接返回一个Python整数（0表示测试模式，1表示训练模式），而非TensorFlow张量。

当你把这个整数传入K.function的输入列表时，TensorFlow尝试将其转换为计算图中的节点，但整数不具备TensorFlow张量的op属性，于是就抛出了AttributeError: 'int' object has no attribute 'op'这个错误。

可行的解决方案 #

方案1：用Keras Model API构建子模型（推荐） #

这是TF2.x中最符合设计理念的做法，不需要依赖后端函数，直接基于原模型的层构建新模型，还能方便控制训练模式：

# 从原模型输入到hidden层输出，构建编码器模型
encoder_model = keras.Model(inputs=dae.input, outputs=dae.get_layer("hidden").output)

# 获取无噪声的隐藏层输出（测试模式）
# 如果输入是numpy数组，用predict方法
hidden_output_np = encoder_model.predict(test_data)

# 如果输入是TensorFlow张量，直接调用并指定training=False
hidden_output_tensor = encoder_model(test_input_tensor, training=False)

指定training=False时，GaussianNoise层会自动跳过噪声添加，正好满足你规避噪声层的需求。

方案2：强制使用图模式（不推荐） #

如果你一定要沿用官方文档的K.function方法，可以关闭Eager模式，但这不符合TF2.x的发展趋势：

import tensorflow as tf
# 关闭Eager执行
tf.compat.v1.disable_eager_execution()

# 之后再运行你原来的代码
encoder = K.function([dae.input, K.learning_phase()], [dae.get_layer("hidden").output])

# 获取测试模式下的输出，传入learning_phase=0
hidden_output = encoder([test_data, 0])[0]

方案3：Eager模式下直接调用层 #

在Eager模式中，你可以直接调用层对象并指定训练状态，不需要构建函数：

# 获取hidden层的层对象
hidden_layer = dae.get_layer("hidden")
# 将输入转换为TensorFlow张量
input_tensor = tf.convert_to_tensor(test_data, dtype=tf.float32)
# 经过GaussianNoise层的测试模式输出（无噪声），再传入hidden层
noiseless_input = dae.layers[0](input_tensor, training=False)
hidden_output = hidden_layer(noiseless_input)

内容的提问来源于stack exchange，提问作者영민 카이 앤절