Grad-CAMで自作モデルを使いたいが、K.gradientsが機能しない

前提・実現したいこと

Grad-CAMで自作モデルを使おうと思い。以下コードを実行しました。
K.gradientsの部分でエラーが出てつまずいています。
■■な機能を実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ


  File "/home/コンピュータ名/.local/lib/python3.6/site-packages/tensorflow/python/ops/gradients_util.py", line 491, in _GradientsHelper
    raise RuntimeError("tf.gradients is not supported when eager execution "

RuntimeError: tf.gradients is not supported when eager execution is enabled. Use tf.GradientTape instead.

該当のソースコード

python
1import tensorflow as tf
2import pandas as pd
3import numpy as np
4import cv2
5from keras import backend as K
6from keras.preprocessing.image import array_to_img, img_to_array, load_img
7from keras.models import load_model
8
9K.set_learning_phase(1) #set learning phase
10# tf.compat.v1.disable_eager_execution()
11
12
13def Grad_Cam(input_model, x, layer_name):
14    '''
15    Args:
16       input_model: モデルオブジェクト
17       x: 画像(array)
18       layer_name: 畳み込み層の名前
19
20    Returns:
21       jetcam: 影響の大きい箇所を色付けした画像(array)
22
23    '''
24
25    # 前処理
26    X = np.expand_dims(x, axis=0)
27
28    X = X.astype('float32')
29    preprocessed_input = X / 255.0
30
31
32    # 予測クラスの算出
33
34    predictions = model.predict(preprocessed_input)
35    class_idx = np.argmax(predictions[0])
36    class_output = model.output[:, class_idx]
37
38
39    #  勾配を取得
40
41    conv_output = model.get_layer(layer_name).output   # layer_nameのレイヤーのアウトプット
42    grads = K.gradients(class_output, conv_output)[0]  # gradients(loss, variables) で、variablesのlossに関しての勾配を返す
43    # g = tf.Graph()
44    # with g.as_default():
45    #     grads = tf.GradientTape(class_output, conv_output)[0]
46
47    # grads
48    
49    gradient_function = K.function([model.input], [conv_output, grads])  # model.inputを入力すると、conv_outputとgradsを出力する関数
50    conv_output = model.get_layer(layer_name).output   # layer_nameのレイヤーのアウトプット
51    grads = K.gradients(class_output, conv_output)[0]  # gradients(loss, variables) で、variablesのlossに関しての勾配を返す
52    gradient_function = K.function([model.input], [conv_output, grads])  # model.inputを入力すると、conv_outputとgradsを出力する関数
53
54    output, grads_val = gradient_function([preprocessed_input])
55    output, grads_val = output[0], grads_val[0]
56
57    # 重みを平均化して、レイヤーのアウトプットに乗じる
58    weights = np.mean(grads_val, axis=(0, 1))
59    cam = np.dot(output, weights)
60
61
62    # 画像化してヒートマップにして合成
63    cv2.imwrite("gradcam.jpg", cam)
64    cam = cv2.resize(cam, (224, 224), cv2.INTER_LINEAR) # 画像サイズは200で処理したので
65    cam = np.maximum(cam, 0) 
66    cam = cam / cam.max()
67
68    jetcam = cv2.applyColorMap(np.uint8(255 * cam), cv2.COLORMAP_JET)  # モノクロ画像に疑似的に色をつける
69    jetcam = cv2.cvtColor(jetcam, cv2.COLOR_BGR2RGB)  # 色をRGBに変換
70    jetcam = (np.float32(jetcam) + x / 2)   # もとの画像に合成
71
72    return jetcam
73
74model = load_model("モデルのパス")
75model.summary()
76x = img_to_array(load_img('画像のパス', target_size=(224,224)))
77array_to_img(x)
78
79image = Grad_Cam(model, x, 'block5_conv3') 
80array_to_img(image)