Google Cloud ML中Keras训练InceptionResNetV2报错：'Tensor'无assign属性

这个错误几乎可以肯定是云环境中Keras与TensorFlow的版本不匹配导致的——你本地用的是Keras 2.1.4，但Google Cloud ML默认的TensorFlow/Keras版本可能和你的本地环境存在差异，触发了旧版Keras与新版TensorFlow之间的兼容性问题。

下面是具体的解决步骤：

• 强制指定与本地一致的依赖版本
  在你的训练代码目录下创建一个requirements.txt文件，明确指定和本地完全相同的Keras、TensorFlow版本：

  keras==2.1.4
  tensorflow==1.8.0  # 这个版本和Keras2.1.4兼容性良好，你可以根据本地实际使用的TF版本调整
  

  Google Cloud ML会在启动训练实例时自动安装这些指定版本的依赖，确保环境和本地一致。

• 检查并禁用Eager Execution
  如果云环境默认启用了TensorFlow的Eager Execution模式，旧版Keras（比如2.1.4）会出现这类张量操作错误。你可以在训练代码的最开头添加以下代码强制关闭Eager模式：

  import tensorflow as tf
  tf.disable_eager_execution()
  

• 优化数据加载逻辑适配云环境
  虽然你的错误不是数据读取导致的，但云环境中文件系统权限可能和本地不同，建议替换你当前用os.system复制数据的方式，改用更Pythonic的方法（比如shutil），同时确保临时目录有写入权限：

  import shutil
  import os
  
  # 创建临时目录
  temp_dir = "pauls_tmp"
  os.makedirs(temp_dir, exist_ok=True)
  
  # 复制训练和验证数据
  shutil.copytree(args.train_dir, os.path.join(temp_dir, "train"))
  shutil.copytree(args.val_dir, os.path.join(temp_dir, "validation"))
  

  这样能避免os.system调用可能带来的权限或路径问题。

• 验证云ML的Python与TensorFlow运行时版本
  确保你提交训练任务时指定的Python版本和本地一致（你本地用的是Python2.7），同时指定匹配的TensorFlow运行时版本，在提交命令中可以通过--runtime-version和--python-version参数指定：

  gcloud ml-engine jobs submit training JOB_NAME \
      --runtime-version=1.8 \
      --python-version=2.7 \
      --package-path=trainer \
      --module-name=trainer.cloud_trainer \
      --region=us-central1 \
      --args="--train_dir=gs://your-bucket/train --val_dir=gs://your-bucket/validation"
  

  这里的--runtime-version=1.8对应TensorFlow1.8.0，和我们在requirements.txt里指定的版本匹配。

按照以上步骤调整后，应该能解决这个兼容性错误，让云环境的训练和本地保持一致。

内容的提问来源于stack exchange，提问作者Paul Spöring