Tensorflow（Keras API）`model.fit`方法返回“无法将类型<class'tuple'>的对象转换为Tensor”错误

我按照tf.random.normal方法（或K.random_normal通过kerasAPI）使用高斯噪声。

它是在自定义中使用的tensorflow Layer，而该自定义又由一个自定义使用Model。

出于某种原因，当直接调用图层/模型或通过使用自定义训练循环时，一切都按预期工作tf.GradientTape()，但是当尝试使用该fit方法时，它将引发令人费解的错误。

似乎与推断批次尺寸有关，这None在调用fit方法时表示。

我怀疑这与编译张量和符号张量与渴望张量有关，但是我不知道如何实际解决这个问题？

我试图将问题简化为一个重现该问题的最小示例：

import numpy as np
import tensorflow.keras.backend as K
from tensorflow.keras import models
import tensorflow as tf

class Demo(models.Model):

    def __init__(self):
        super().__init__()

    def call(self, inputs, training=None, mask=None):
        # batch gives "2" when called directly or via GradientTape()
        # gives "None" when called via fit
        batch = K.int_shape(inputs)[0]
        dim = K.int_shape(inputs)[1]
        noise = tf.random.normal(shape=(batch, dim), mean=0.0, stddev=1.0)
        # manually specifying the batch dimension does work, e.g.
        # noise = tf.random.normal(shape=(2, dim), mean=0.0, stddev=1.0)
        return inputs * noise

test_data = np.array([[1., 2., 3., 4.], [5., 6., 7., 8.]])

tester = Demo()
tester.compile(optimizer='adam')

# manual calling works
print(test_data - tester(test_data))

# but calling fit does not
tester.fit(x=test_data)
# raises: TypeError: Failed to convert object of type <class 'tuple'> to Tensor.
# Contents: (None, 4). Consider casting elements to a supported type.

对问题可能有什么建议？