Python 在未知维度上使用 tf.assert 时出现TypeError：无法为名称构建 TypeSpec ...

假设我正在构建一个维度部分已知的模型:

# Multilayer Perceptron
from keras.layers import Input
from keras.layers import Dense
import tensorflow as tf

inputs = Input(shape=(10,))

hidden1 = Dense(10, activation='relu')(inputs)
hidden2 = tf.math.add(hidden1, 5)
hidden3 = tf.math.add(hidden2, 5)
hidden4 = my_custom_op(hidden2, hidden3)
output = Dense(10, activation='linear')(hidden4)

my_custom_op是一个大而复杂的张量函数，它在不同的地方使用断言来确保满足关于形状和秩的假设.为了再现这个问题，我将只做如下处理:

def my_custom_op(hidden_x, hidden_y):
    tf.assert_equal(tf.shape(hidden_x), tf.shape(hidden_y))    
    return hidden

当我运行此命令时，会出现以下错误:

TypeError:无法为名称生成TypeSpec:

我不明白这个错误消息告诉我什么.如果我运行tf.assert_equal(2, 2)，我没有得到异常，所以我假设这与维度还未知有关.

但是，当维度已知时，它们运行的不是断言的要点吗？如果不是，这是否意味着我不能在my_custom_op中使用断言，因为它们在构建图时会导致这些错误？

以下是完整的错误消息:

TypeError: Could not build a TypeSpec for name: "tf.debugging.assert_equal_1/assert_equal_1/Assert/Assert"
op: "Assert"
input: "tf.debugging.assert_equal_1/assert_equal_1/All"
input: "tf.debugging.assert_equal_1/assert_equal_1/Assert/Assert/data_0"
input: "tf.debugging.assert_equal_1/assert_equal_1/Assert/Assert/data_1"
input: "Shape"
input: "tf.debugging.assert_equal_1/assert_equal_1/Assert/Assert/data_3"
input: "Shape_1"
attr {
  key: "T"
  value {
    list {
      type: DT_STRING
      type: DT_STRING
      type: DT_INT32
      type: DT_STRING
      type: DT_INT32
    }
  }
}
attr {
  key: "summarize"
  value {
    i: 3
  }
}
 of unsupported type <class 'tensorflow.python.framework.ops.Operation'>.