Question

我正在尝试为我的ML Engine包构建一个自定义估算器，我似乎无法以正确的格式正确构建我的解码器输入序列。考虑以下内容，其中label1，label2应该是一系列标签。

label1, label2 = tf.decode_csv(rows, record_defaults=[[""], [""]])
labels = tf.stack([label1, label2], axis=1)
label_index = tf.contrib.lookup.index_table_from_file(
    vocabulary_file = label_file)
label_idx = label_index.lookup(labels)
features = dict(zip(['decoder_input'], [label_idx]))

这些＆＃34;功能＆＃34;然后作为解码器输入传递，如下所示。当我使用decoder_input作为我的自定义估算工具的输入时，我遇到了一个错误＆＃39; TypeError：＆＃39; Tensor＆＃39;对象不可迭代。＆＃39;这里：

outputs, state = tf.contrib.legacy_seq2seq.embedding_rnn_decoder(
    decoder_inputs = features['decoder_input'],
    initial_state = curr_layer,
    cell = tf.contrib.rnn.GRUCell(hidden_units),
    num_symbols = n_labels,
    embedding_size = embedding_dims, # should not be hard-coded
    feed_previous = False)

完整的堆栈跟踪（下面）表明导致问题的代码部分是'for i in decoder_inputs' from line 296所以我觉得很明显问题在于如何在input_fn（）中构造我的decoder_input。但是，我似乎无法弄清楚如何使Tensor对象成为可迭代的序列列表。

堆栈跟踪：

File "/Users/user/anaconda/envs/tensorflow-

  cloud/lib/python2.7/sitepackages/tensorflow/contrib/legacy_seq2seq/python/ops/seq2seq.py", line 296, in embedding_rnn_decoder
    for i in decoder_inputs)
  File "/Users/user/anaconda/envs/tensorflow-cloud/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 541, in __iter__
    raise TypeError("'Tensor' object is not iterable.")
TypeError: 'Tensor' object is not iterable.

有人可以帮助发现我应该如何正确格式化我的标签，以便它们可以迭代吗？文档说，decoder_inputs应该是＆＃34; 1D批量大小的int32 Tensors（解码器输入）的列表。＆＃34;所以我认为通过staIs生成标签序列比tf.stack（）更合适吗？

Answer 1

label_idx值不是列表，因此您遇到此问题：

下面的例子应该更好地澄清：

label_idx = 1

features = dict(zip(['decoder_input'], [label_idx]))

features['decoder_input']

# 1 output

好像我将label_idx更改为列表：

label_idx = [1]

features = dict(zip(['decoder_input'], [label_idx]))

features['decoder_input']

# [1] output

您还可以简化创建字典的方式：

features = {'decoder_input': [label_idx]} # if label_idx is a value
features = {'decoder_input': label_idx} # if label_idx is a list

TensorFlow embedding_rnn_decoder＆＃39; Tensor＆＃39;对象不可迭代

1 个答案: