你好，我在尝试运行我的模型时遇到了一个错误

• 我使用的是tf2.1，并且由于一些原因，我为我的模型创建了一个类
• 我的模型有两个输出层，分别称为advantage和value，因为我在制作一个对决深度Q网络。

这是我的__init__方法 –

class model(Model):    def __init__(self):        super(model, self).__init__()        self.lr = 0.01        self.conv1 = Conv2D(filters=32, input_shape=(210, 160, 1), kernel_size=(3, 3), strides=1, padding='same', activation='elu')#(self.inp)        self.conv2 = Conv2D(filters=32, kernel_size=(3, 3), strides=1, padding='same', activation='elu')#(self.conv1)        self.mp2 = MaxPool2D(pool_size=(3, 3), strides=1, padding='same')#(self.conv2)        self.conv3 = Conv2D(filters=64, kernel_size=(3, 3), strides=1, padding='same', activation='elu')#(self.mp2)        self.mp3 = MaxPool2D(pool_size=(3, 3), strides=1, padding='same')#(self.conv3)        self.conv4 = Conv2D(filters=64, kernel_size=(3, 3), strides=1, padding='same', activation='elu')#(self.mp3)        self.mp4 = MaxPool2D(pool_size=(3, 3), strides=1, padding='same')#(self.conv4)        self.flat = Flatten() #(self.mp6)        self.value = Dense(1, activation=None)#(self.flat) # 特定状态的价值如何        self.advantage = Dense(env.action_space.n, activation=None)#(self.flat) # 最佳动作是什么        self.compile(optimizer=Adam(lr=self.lr), loss='mse', metrics=['accuracy'])

然后我有一个名为predict_advantage的函数，在这里我遇到了错误 –

def predict_advantage(self, state):        state = tf.cast(cv2.cvtColor(state, cv2.COLOR_RGB2GRAY), tf.float32)        #x = self.inp(state)        x = self.conv1(x)        x=self.conv2(x)        x=self.mp2(x)        x=self.conv3(x)        x=self.mp3(x)        x=self.conv4(x)        x=self.mp4(x)        x = self.flat(x)        # value = self.value(x)        x = self.advantage(x)        return x

• 如你所见，我使用tf.cast来转换数据类型为float32，因为大多数帖子都说这是解决错误的唯一方法 – 然而，我在使用这个方法之前得到了同样的错误 –

tensorflow.python.framework.errors_impl.NotFoundError: 无法为节点找到有效设备。节点:{{node MatMul}}

顺便说一下，它还打印了一些特定层或所有层的设备和数据类型。我不知道它做了什么，但这里是它的输出 –

所有已注册的MatMul操作的内核 :  device='GPU'; T in [DT_FLOAT]  device='GPU'; T in [DT_DOUBLE]  device='GPU'; T in [DT_COMPLEX64]  device='GPU'; T in [DT_COMPLEX128]  device='GPU'; T in [DT_HALF]  device='CPU'; label='eigen'; T in [DT_FLOAT]  device='CPU'; label='eigen'; T in [DT_DOUBLE]  ..........  ..........  ..........  device='CPU'; T in [DT_COMPLEX64]  device='CPU'; T in [DT_COMPLEX128]  device='GPU'; label='cublas'; T in [DT_FLOAT]  device='GPU'; label='cublas'; T in [DT_DOUBLE]  device='GPU'; label='cublas'; T in [DT_COMPLEX64]  device='GPU'; label='cublas'; T in [DT_COMPLEX128]  device='GPU'; label='cublas'; T in [DT_HALF] [Op:MatMul] name: dense_1/Tensordot/MatMul/

• 我们可以看到这里有一些参数在GPU上，一些参数在CPU上。 为什么会这样呢？
• 此外，参数的数据类型不同。我不确定它们是否可以不同，或者它们不应该不同。

据我所知，我认为错误是因为GPU上的东西无法与CPU上的东西交互。那么为什么它要把我的参数放在不同的设备上呢？

编辑:

这是完整代码的链接 – https://pastebin.com/sd8L2xAM这是我得到的完整错误，如果你想知道它发生在哪一行 – https://pastebin.com/C9Dy5NxL

回答：

看起来这个错误是一个类型不匹配的通用错误。

在下面的函数中，问题是你传递的状态类型是一个NumPy数组，这导致了类型不匹配。因为self.model.advantage是一个密集层，因此，将状态从NumPy数组转换为Tensor将解决类型问题。

def choose_action(self, state):      if np.random.random() < self.epsilon:          action = np.random.choice(env.action_space.n)      else: # 我们利用          print(type(state)) ##nd 数组类型不匹配          state = tf.cast(state, dtype=tf.float32) ## 将状态转换为张量          actions = self.model.advantage(state)          action = np.argmax(actions, axis=1)      return action