使用TensorFlow（v。1.13.1），一种算法选择[nxm]矩阵的随机列，并使用tf.tensor_scatter_add向其添加矢量。如果m> 1，则该算法有效。在图形模式下，如果m = 1，则出现内部错误。在渴望模式下，所有操作均按预期进行。这是Tensorflow中的错误吗？
下面的代码是（马尔可夫跳转过程）算法的一部分，演示了该错误。 Foo.update_state在给定的（n-1）* m个潜在事件中，以速率event随机抽取rates。 event_type和id是根据事件计算得出的，用于选择a）Foo.stoichiometry的行和b）state的列。
import numpy as np
import tensorflow as tf
class Foo:
def __init__(self):
self.stoichiometry = tf.constant([[-1, 1, 0, ], [0, -1, 1, ], [0, 0, 0]])
def update_state(self, rates, state):
event = tf.squeeze(tf.random.categorical([rates], 1, dtype=tf.int32, name='drawEvent'))
event_type = tf.squeeze(event // state.shape[1], name='packEvent_type')
id = tf.squeeze(event % state.shape[1], name='packId')
indices = tf.stack((tf.range(state.shape[0], dtype=tf.int32),
tf.broadcast_to(id, [state.shape[0]])), axis=1, name='indices')
stoic = self.stoichiometry[event_type]
return tf.tensor_scatter_add(state, indices, stoic, name='updateStates')
在图形模式下，如果Foo.update_state用state调用m> 1的[n，m]矩阵，则该算法有效：
rates = tf.constant([-1.2, -np.inf, -np.inf -np.inf]) # Ensure event_type=0, id=0
state = tf.constant([[999, 999],
[ 1, 1],
[ 0, 0]])
epi = Foo()
with tf.Session() as sess:
res = sess.run(epi.update_state(rates, state))
print(res)
[[998 999]
[ 2 1]
[ 0 0]]
但是，当m = 1时，我得到一个错误：
rates = tf.constant([-1.2, -np.inf]) # Ensure event_type=0, id=0
state = tf.constant([[999],
[ 1],
[ 0]])
epi = Foo()
with tf.Session() as sess:
res = sess.run(epi.update_state(rates, state))
print(res)
...
tensorflow.python.framework.errors_impl.InternalError: Missing 0-th output from node updateStates (defined at /Users/cpjewell/Library/Preferences/PyCharmCE2018.3/scratches/scratch_1.py:16)
如果处于紧急模式，则不会发生此错误，并且我得到了预期的输出（[[998]，[2]，[0]]）。
这感觉像是TF错误，但想在提交此类文件之前先检查是否没有丢失任何东西。
系统规格：