TypeError: len ist für symbolische Tensoren nicht gut definiert. (Aktivierung_3 / Identität: 0) Bitte rufen Sie "x.shape" anstelle von "len (x)" auf, um Informationen zur Form zu erhalten

Ich versuche, ein DQL-Modell für ein Spiel von openAI Gym zu implementieren. Aber es gibt mir folgenden Fehler.

TypeError: len ist für symbolische Tensoren nicht gut definiert. (Aktivierung_3 / Identität: 0) Bitte x.shapeeher anrufen alslen(x) Informationen zur Form zu erhalten.

Erstellen einer Fitnessumgebung:

ENV_NAME = 'CartPole-v0'

env = gym.make(ENV_NAME)
np.random.seed(123)
env.seed(123)
nb_actions = env.action_space.n

Mein Modell sieht so aus:

model = Sequential()
model.add(Flatten(input_shape=(1,) + env.observation_space.shape))
model.add(Dense(16))
model.add(Activation('relu'))
model.add(Dense(nb_actions))
model.add(Activation('linear'))
print(model.summary())

Anpassen dieses Modells an das DQN-Modell von keral-rl wie folgt:

policy = EpsGreedyQPolicy()
memory = SequentialMemory(limit=50000, window_length=1)
dqn = DQNAgent(model=model, nb_actions=nb_actions, memory=memory, nb_steps_warmup=10, target_model_update=0.001, policy=policy)
dqn.compile(Adam(lr=1e-3), metrics=['mse', 'mae'])
dqn.fit(env, nb_steps=5000, visualize=False, verbose=3)

Der Fehler stammt aus dieser Zeile:

dqn = DQNAgent(model=model, nb_actions=nb_actions, memory=memory, nb_steps_warmup=10, target_model_update=0.001, policy=policy)

Ich benutze keras-rl == 0.4.2 und tensorflow == 2.1.0. Basierend auf anderen Antworten habe ich auch Tensorflow == 2.0.0-beta0 ausprobiert, aber es löst den Fehler nicht.

Kann mir bitte jemand erklären, warum ich mit diesem Fehler konfrontiert bin? und wie man es löst?

Vielen Dank.

Der Grund dafür ist, dass tf.TensorTF 2.0.0 (und TF 1.15) __len__überlastet sind und eine Ausnahme auslösen . Aber TF 1.14 zum Beispiel hat das __len__Attribut nicht.

Daher bricht alles, was TF 1.15+ (einschließlich) ist keras-rl(speziell hier ), was Ihnen den obigen Fehler gibt. Sie haben also zwei Möglichkeiten:

• Downgrade auf TF 1.14 (empfohlen)
• Löschen Sie die __len__ Überladung in der TensorFlow-Quelle ( nicht empfohlen, da dies andere Probleme verursachen kann).