Keras 3.4.1与TensorFlow 2.17.0下keras.backend无int_shape属性的问题求助

问题描述 #

自从Colab更新库之后，我一直在尝试让我的代码兼容Keras 3，但遇到了这个错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-33-b4147f011b96> in <cell line: 12>()
     10 
     11 # Flatten layer
---> 12 shape_before_flattening = K.int_shape(x)[1:]
     13 x = Flatten()(x)
     14 

AttributeError: module 'keras.backend' has no attribute 'int_shape'

我的相关导入代码：

import os
os.environ["KERAS_BACKEND"] = "tensorflow"
import keras.backend as K

代码片段：

# Example layers
encoder_input = Input(shape=(height, width, channels), name='encoder_input')
x = Conv2D(128, (3, 3), activation='relu', padding='same')(encoder_input)

# Flatten layer
shape_before_flattening = K.int_shape(x)[1:]
x = Flatten()(x)

我猜测可能是导入方式不对，或者Keras的处理逻辑变了...

解决方案 #

嘿，这个问题我在迁移Keras 3代码的时候也踩过坑！其实是Keras 3对后端API做了重构，keras.backend.int_shape()这个方法已经被移除了，咱们换两种方式就能解决：

1. 静态形状获取（适合你的场景） #

你的代码里x是Conv2D层的输出，它的形状在编译阶段就是确定的，直接使用张量自身的.shape属性即可，效果和原来的K.int_shape(x)完全一致：

# 替换原来的代码行
shape_before_flattening = x.shape[1:]
x = Flatten()(x)

2. 动态形状获取（应对运行时动态维度） #

如果你的场景需要处理运行时才能确定的形状（比如动态变化的batch大小），可以用TensorFlow原生的tf.shape()方法：

import tensorflow as tf
# 动态获取张量形状
shape_before_flattening = tf.shape(x)[1:]

额外迁移小贴士 #

Keras 3里还有不少类似的后端API变更，比如：

• 原来的K.get_value(tensor)可以替换为tensor.numpy()
• K.variable(value)可以换成tf.Variable(value)或者Keras内置的Variable类
• 原来的K.eval(tensor)同样可以用tensor.numpy()替代

这样调整后你的代码就能完美兼容Keras 3.4.1和TensorFlow 2.17.0啦！

备注：内容来源于stack exchange，提问作者Errol