Question

我正在使用tensorflow 2.1和python 3.7

以下代码段用于构建张量流图。作为独立的python脚本执行时，代码运行无错误。（可能是tensorflow在急切模式下运行？我不确定。）

import tensorflow as tf
patches = tf.random.uniform(shape=(1, 10, 50, 300), dtype=tf.dtypes.float32)
s = tf.shape(patches)
patches = [patches[0][x][y] - tf.reduce_mean(patches[0][x][y]) for y in tf.range(s[2]) for x in tf.range(s[1])]

但是，当这是张量流图的一部分时，代码将失败。我收到以下错误：张量流。

python.framework.errors_impl.OperatorNotAllowedInGraphError：迭代不允许超过tf.Tensor：此功能禁用了自动绘图。尝试直接使用@ tf.function装饰它。

我还向包装以上代码行的方法中添加了装饰器@tf.function。它没有帮助。我不确定我是否完全理解用@tf.function装饰的含义。我还检查了在tensorflow图中使用python列表理解可能是一个问题。我不确定在我的情况下如何使用tf.map_fn或tf.while_loop，因为我有嵌套循环。

谢谢！

Answer 1

签名中尚不支持列表推导。引起的错误也需要改进。堆积在https://github.com/tensorflow/tensorflow/issues/32546上应该有助于尽快解决。

在不理解之前，您必须使用map_fn，在这种情况下，它将类似于以下内容：

app-from-builder-components-editor

也就是说，我相信您可以直接使用reduce_mean：

def outer_comp(x):
  def inner_comp(y):
    return patches[0][x][y] - tf.reduce_mean(patches[0][x][y])
  return tf.map_fn(inner_comp, tf.range(s[2]), dtype=tf.float32)
patches = tf.map_fn(outer_comp, tf.range(s[1]), dtype=tf.float32)

Answer 2

这自然适用于 tf 版本：2.5.0。现在你可以直接使用嵌套的推导式了。

遍历tf.tensor不允许：此功能禁用了AutoGraph

2 个答案: