搭建物理信息神经网络时遇EagerTensor无_keras_history错误与gather弃用警告

问题成因 #

• AttributeError: 'EagerTensor' object has no attribute '_keras_history'触发原因：
  Keras函数式API构建模型时，要求所有作为输入、输出的张量必须是经过Keras层操作生成、携带计算图追踪标记的KerasTensor。自定义DifferentiationLayer在call方法内通过GradientTape计算得到的u_t、u_x、u_xx属于脱离Keras层追踪的EagerTensor，后续基于这些张量在层外计算得到的residual直接作为模型输出时，Keras无法追溯其所属的计算层链路，因此抛出属性错误。
• TensorFlow弃用警告触发原因：
  该警告是TensorFlow内部执行batch_jacobian算子时，底层实现调用gather操作传入了已废弃的validate_indices参数，属于框架内部的版本兼容提示，不影响实际计算逻辑。

修复方案 #

修复_keras_history属性报错 #

核心调整思路是将残差计算逻辑移入自定义微分层内部完成，保证所有输出张量都在Keras层的追踪上下文中生成，避免无追踪的EagerTensor直接作为模型输出。

1. 修改DifferentiationLayer实现，将残差计算逻辑整合到层内

   class DifferentiationLayer(tf.keras.layers.Layer):
       def __init__(self, network, nu, **kwargs):
           self.u_network = network
           self.nu = nu
           super().__init__(**kwargs)
       
       def call(self, res_pts):
           with tf.GradientTape() as tape2:
               tape2.watch(res_pts)
               with tf.GradientTape() as tape1:
                   tape1.watch(res_pts)
                   u = self.u_network(res_pts)
               u_tx = tape1.batch_jacobian(u, res_pts)
               u_t = u_tx[..., 0]
               u_x = u_tx[..., 1]
           u_xx = tape2.batch_jacobian(u_x, res_pts)[..., 1]
           # 层内直接计算残差，保证输出被Keras追踪
           residual = u_t + u*u_x - self.nu*u_xx
           return residual
   

2. 调整PINN类的初始化与模型构建逻辑，适配修改后的微分层

   class PINN:
       def __init__(self, nu, lb, ub, layers=[2, 20, 20, 20, 20, 1], activation="tanh"):
           self.u_NN = uNN.build(lb, ub, layers=layers, activation=activation)
           self.nu = nu
           self.diff = DifferentiationLayer(self.u_NN, nu)
           self.model = self.build_model()
       
       def build_model(self):
           res_pts = tf.keras.layers.Input(shape=(2,))
           IC_pts = tf.keras.layers.Input(shape=(2,))
           BC_pts = tf.keras.layers.Input(shape=(2,))
           
           residual = self.diff(res_pts)
           u_IC = self.u_NN(IC_pts)
           u_BC = self.u_NN(BC_pts)
           
           return tf.keras.models.Model(
               inputs=[res_pts, IC_pts, BC_pts], 
               outputs=[residual, u_IC, u_BC]
           )
   

处理弃用警告 #

该警告为TensorFlow框架内部的冗余版本提示，不影响代码运行。如果需要屏蔽该类非致命警告，可在导入TensorFlow后添加日志过滤配置：

import tensorflow as tf
# 过滤非致命的框架提示日志
tf.get_logger().setLevel('ERROR')

内容的提问来源于stack exchange，提问作者Omega