使用Keras后端函数时出现InvalidArgumentError的原因排查

这个错误的核心原因其实是变量名冲突导致占位符张量被意外覆盖，咱们结合你的代码片段来拆解：

问题出在哪？ #

看你的代码顺序：

1. 第1行：你用K.placeholder创建了一个名为X的占位符张量，这个张量是Keras计算图的一部分，后续train_fxn会关联它。
2. 第3行：你重新给变量X赋值为self.states[0].reshape(...)——这时候原来的占位符张量已经被这个新的数组变量覆盖了！
3. 第4行调用train_fxn([X])时，传入的是这个新的数组，但train_fxn内部依然期望关联原来的那个占位符张量，这就导致Keras找不到给原占位符喂的数据，直接抛出了InvalidArgumentError。

怎么解决？ #

核心就是不要复用占位符的变量名，把输入数据的变量和占位符变量分开：

修正后的代码示例：

# 定义占位符，用独立的变量名
input_placeholder = K.placeholder(shape=(None, 32, 32, 3))
# 关联占位符创建训练函数
train_fxn = K.function([input_placeholder], [], updates=updates)

# 准备输入数据，用另一个变量名
x_input = self.states[0].reshape(1, 32, 32, 3)
# 传入正确的输入数据
train_fxn([x_input])

这样修改后，train_fxn关联的还是最初定义的占位符张量，你传入的x_input会准确对应到这个占位符上，满足Keras后端函数的输入要求，错误自然就消失了。

内容的提问来源于stack exchange，提问作者thetna