【linux】ValueError: Graph disconnected: cannot obtain value for tensor

Bing_Zoey

已于 2023-06-07 19:12:57 修改

阅读量1.2k

点赞数

分类专栏：总结文章标签： linux python tensorflow

于 2023-06-06 20:20:07 首次发布

本文链接：https://blog.youkuaiyun.com/diamondssb/article/details/131075382

版权

总结专栏收录该内容

44 篇文章

订阅专栏

文章描述了一个开发者遇到的问题，即在服务器上运行的TensorFlow模型（使用Keras构建）出现Graphdisconnected错误，而该问题在本地环境中并不存在。开发者尝试了不同方法，包括调整代码和匹配本地与服务器的TensorFlow及Python版本。最终，通过将服务器上的Python环境更新到与本地相同的3.8版本，问题得到解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ValueError: Graph disconnected: cannot obtain value for tensor KerasTensor(type_spec=TensorSpec(shape=(None, 400, 20, 1), dtype=tf.float32, name='input_1'), name='input_1', description="created by layer 'input_1'") at layer "conv2d". The following previous layers were accessed without issue: []

背景：在本地完全可以跑通，在服务器上一直跳出来这个问题，已经两天了，还没解决

linux上显示有问题的代码如下：

    def build(self):
        'temporal_cnn'
        tem_cnn_input = Input(shape=(400, 20, 1))
        # layer1
        tem_cnn_conv1 = Conv2D(8, (64, 1), padding='same')(tem_cnn_input)
        tem_cnn_BN1 = BatchNormalization(axis=3, epsilon=1e-05, momentum=0.1)(tem_cnn_conv1)
        tem_cnn_BN11 = Activation('elu')(tem_cnn_BN1)
        tem_cnn_pool1 = MaxPooling2D(pool_size=(4, 1))(tem_cnn_BN11)
        # layer2
        tem_cnn_conv2 = Conv2D(16, (32, 1), padding='same')(tem_cnn_pool1)
        tem_cnn_BN2 = BatchNormalization(axis=3, epsilon=1e-05, momentum=0.1)(tem_cnn_conv2)
        tem_cnn_BN22 = Activation('elu')(tem_cnn_BN2)
        tem_cnn_pool2 = MaxPooling2D(pool_size=(2, 1))(tem_cnn_BN22)
        tem_cnn_output = Dropout(self.dropout_rate)(tem_cnn_pool2)

        temporal_cnn = Model(inputs=tem_cnn_input, outputs=tem_cnn_output, name='temporal_cnn')
        temporal_cnn.summary()

        'tem_transformer'
        trans_input = tf.reshape(tem_cnn_output, [-1, tem_cnn_output.shape[1], tem_cnn_output.shape[2] * tem_cnn_output.shape[3], 1])

        # attention_block = AttentionBlock(num_heads=self.num_heads, ff_dim=self.ff_dim, rate=self.rate)
        # attention = attention_block(trans_input)
        trans_output1 = MaxPooling2D(pool_size=(1, 4))(trans_input)

        trans_output = Dropout(0.5)(trans_output1)
        transformer = Model(inputs=trans_input, outputs=trans_output, name='tem_transformer')
        transformer.summary()

球球了，各种方法都试过了

（tensorflow和python版本在本地和服务器上设置的不同：

tensorflow本地：2.10.1，服务器：2.6.0；python本地3.8，服务器3.6.9）

目前准备先把这个问题搁置一下，先做其他的，有哪位大神看到的话一定要告诉我！！！

----------------------------------------------------分割线--------------------------------------------------------------

哈哈哈！！！我把本地的tensorflow和keras全都改成和服务器一样的了，但是本地的python还是3.8，出现了和服务器上一样的问题！