基于TensorFlow 2.1.0的Iris逻辑回归报Tensor不可调用TypeError排查

报错和模块4的损失函数定义无关，触发逻辑如下：

• 你实例化的tf.optimizers.SGD属于TensorFlow 2.x的Keras V2系列优化器，其内置的minimize方法对loss参数的默认要求是无参数可调用对象，方法内部会在梯度带追踪上下文里执行这个对象、获取损失值后计算梯度。
• 当前环境已通过tf.compat.v1.disable_eager_execution()切回TF1风格静态图执行模式，没有即时执行的梯度带追踪能力，V2优化器按照自身流程，试图直接调用你传入的损失张量（而非可调用函数），最终触发'Tensor' object is not callable的类型错误。

方案1（适配当前静态图代码风格，改动最小） #

将模块6、模块7的优化器代码替换为TF1兼容版本，该版本的minimize方法原生支持直接传入损失张量，和现有代码逻辑完全匹配：

# 模块6修改内容
learning_rate = 0.003
batch_size = 30
iter_num = 1500
# 替换原有V2版SGD
opt = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=learning_rate)

# 模块7修改内容
goal = opt.minimize(loss, var_list=[A, b])

修改后运行不会再触发类型错误，可正常启动图内的训练流程。

方案2（保留现有V2版优化器，调整调用规则） #

如果希望继续使用tf.optimizers.SGD，需要把损失计算逻辑封装为无参数可调用函数传入minimize方法，不能直接传已定义好的损失张量：

# 模块7修改内容
def calc_loss():
    # 将前向传播、损失计算逻辑全部包裹在可调用函数内
    logits = tf.matmul(data, A) + b
    return tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits, labels=target))

# 传入函数对象而非张量对象
goal = opt.minimize(calc_loss, var_list=[A, b])

当前实现是单输出sigmoid二分类逻辑，和Iris数据集的三分类任务不匹配，报错解决后需要同步调整模型结构：

• 权重维度从(4,1)改为(4,3)
• 损失函数替换为tf.nn.softmax_cross_entropy_with_logits，匹配三分类输出
• 标签的维度调整为和类别数匹配的one-hot格式

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