TensorFlow自定义层实现时递归深度超出错误求助

AI 小北

2026-4-15

问题描述

我照着TensorFlow官方文档写了自定义全连接层的代码，在Spyder里用TensorFlow 2.17.0运行时，却遇到了RecursionError: maximum recursion depth exceeded in comparison的错误，实在摸不着头脑，麻烦各位帮忙看看问题出在哪？

我的代码如下：

import tensorflow as tf
class MyDenseLayer(tf.keras.layers.Layer):
  def __init__(self, num_outputs):
    super(MyDenseLayer, self).__init__()
    self.num_outputs = num_outputs

  def build(self, input_shape):
    self.kernel = self.add_weight("kernel",
                                  shape=[int(input_shape[-1]),
                                         self.num_outputs])

  def call(self, inputs):
    return tf.matmul(inputs, self.kernel)

layer = MyDenseLayer(10)

_ = layer(tf.zeros([10, 5])) # Calling the layer `.builds` it.
print([var.name for var in layer.trainable_variables])

错误回溯信息：

Traceback (most recent call last):
File "/Users/xoxo/Documents/test.py", ...

我的解答

这种递归错误通常是某个方法被无限调用导致的，结合TensorFlow 2.17.0的版本特性和Spyder环境，给你几个排查和解决的方向：

修正super调用的写法
在Python 3中，虽然super(MyDenseLayer, self).__init__()是合法写法，但新版本的TensorFlow可能在处理这种显式指定类名的调用时出现兼容性问题。建议改成Python 3推荐的简化写法：
```
def __init__(self, num_outputs):
  super().__init__()
  self.num_outputs = num_outputs
```
这种写法更简洁，也能避免一些潜在的继承链问题。
排查Spyder环境的变量冲突
Spyder的交互式环境经常会保留之前运行的变量，如果你之前已经定义过layer或者MyDenseLayer同名对象/类，可能会导致新旧定义冲突，触发无限递归。解决办法：
- 点击Spyder工具栏的“重启内核”按钮，清空环境后重新运行代码
- 或者在代码开头添加%reset -f（IPython魔法命令）强制清除所有变量

显式完成层的构建流程
有时候新版本TensorFlow对自定义层的构建流程要求更严格，你可以尝试在build方法中显式调用父类的build方法，确保层的初始化流程完整：

def build(self, input_shape):
  super().build(input_shape)  # 调用父类的build方法
  self.kernel = self.add_weight("kernel",
                                shape=[int(input_shape[-1]),
                                       self.num_outputs])

定位递归触发点
如果上面的方法都没用，建议在关键方法里加打印语句，看看哪个方法被反复调用：

def __init__(self, num_outputs):
  print("进入__init__方法")
  super().__init__()
  self.num_outputs = num_outputs

def build(self, input_shape):
  print(f"进入build方法，输入形状：{input_shape}")
  super().build(input_shape)
  self.kernel = self.add_weight("kernel",
                                shape=[int(input_shape[-1]),
                                       self.num_outputs])

def call(self, inputs):
  print("进入call方法")
  return tf.matmul(inputs, self.kernel)

运行后如果看到某条打印信息重复输出，那就是递归的源头，再针对性解决。

一般来说，第一种或者第二种方法就能解决你遇到的问题，先试试重启Spyder内核再运行修改后的代码吧！

备注：内容来源于stack exchange，提问作者tew_evolving

TensorFlow自定义层实现时递归深度超出错误求助

问题描述 #

我的解答 #

问题描述

我的解答