问题标签 [eager-execution]

我正在尝试SparseCategoricalAccuracy在 tf 2.0 中创建一个可以通过compile(metrics=[masked_accuracy_fn()].

该函数如下所示：

这适用于 Eager 模式。但是，在图形模式下运行时，出现错误：

我浏览了 一个 tf2.0 的基本示例

包含非常简单的代码

我通过以下方式对其进行了训练并在前后保存了 trainable_variables

他们是一样的！！！那么我检查的地方不正确吗？如果是这种情况，我怎样才能正确观察这些更新的变量？

我正在使用tf.data.Dataset.map(process_fn)指令，映射函数由纯粹的 tensorflow 图函数组成，但 Autograph 似乎仍在尝试对其进行转换。我该如何预防？

如何强制 tensorflow 按原样使用我的代码（定义图形）？

出于某种原因，tensorflow 想要转换这个函数并报告一个警告它是不可能的，它将被原样使用。问题是，为什么首先尝试使用 Autograph？

在我的 Tensorflow 管道中，我定义了一个load()函数，用于验证给定路径下是否存在特定图像文件。它看起来有点像这样：

这对自己的作品没有问题。当我稍后在设置数据集时包装此函数时会出现错误：

问题似乎是image_fileEagerMode 中的评估tf.io.gfile.exists需要一个字符串作为输入，而不是字符串类型的张量。

我已经尝试使用image_file.numpy()结果返回字符串值AttributeError: 'Tensor' object has no attribute 'numpy'。

我还尝试按照这个密切相关的问题tf.py_function()中的建议将我的函数包装在 a中，这在执行过程中会产生完全相同的结果。使用而不是拍摄当然也会出现同样的错误。TypeErroros.path.existstf.io.gfile.exists

任何有关解决此问题的解决方法或正确方法的建议将不胜感激！

如果我运行以下代码（tensorflow 1.15），我可以通过两种不同的方式获得可训练变量的列表。

两者v1和v2具有相同的价值。

tf.compat.v1.enable_eager_execution()如果我在创建模型之前添加调用，v2则变为空；tf.compat.v1.trainable_variables()返回一个空列表。

为什么是这样？

我有一个 Keras 模型，可以在 Eager 模式开启时进行训练（TF 2.1.0）。我的一个特性是一个字符串，我需要将它映射到其相应的词汇索引。但是，在禁用急切执行的情况下，我找不到一种巧妙的方法来做到这一点。

我最初使用的是tft.apply_vocabulary，它曾经可以正常工作，但没有急切的执行就失败了。我也试过tf.lookup.StaticVocabularyTable：

其中（急切模式关闭）失败：

tensorflow.python.framework.errors_impl.FailedPreconditionError：表未初始化。[[{{节点转换器/hash_table_Lookup_1/hash_table_Lookup/LookupTableFindV2}}]]

我可以_initialize在 a 中运行表的方法tf.Session，但是对于这样一个常见的任务来说，这感觉工作量太大，而且不兼容 TF2.0。

那么，如何在不急切执行的情况下将字符串映射到词汇文件中的整数索引？

为什么不热心？

我的印象是图形模式训练有更广泛的支持（例如多 GPU 训练）和更好的性能，我正在努力确保我的代码在禁用急切模式的情况下工作，这样我最终可以在完成后关闭它发展。这是一个明智的目标吗？

我有一个顺序 keras 模型，并且我有一个类似于以下示例的自定义层，名为“CounterLayer”。我正在使用 tensorflow 2.0（渴望执行）

当我运行这个例如 epoch=5 或其他东西时，self.count每次运行的值都不会更新。它始终保持不变。我从这里的https://stackoverflow.com/a/41710515/10645817得到了这个例子。我需要一些几乎与此类似的东西，但我想知道这在热切执行 tensorflow 时是否有效，或者我必须做什么才能获得预期的输出。

我一直在尝试实现这一点，但无法弄清楚。有人可以帮我吗。谢谢...

我正在尝试使用 keras 在 python2 中提供的 model.predict 命令并行执行模型预测。我将 tensorflow 1.14.0 用于 python2。我有 5 个模型 (.h5) 文件，并希望 predict 命令并行运行。这是在 python 2.7 中运行的。我正在使用多处理池将模型文件名映射到多个进程上的预测函数，如下所示，

输入是从代码的另一部分获得的图像 numpy 数组。但是在执行此操作时，我得到以下信息，

我无法解释此错误消息，我该如何解决这个问题？非常感谢任何建议！

更新 2： 感谢所有指针和完整示例@sok​​ato。我执行了@sokato 发布的确切代码，但是我得到了以下错误（我也对我的代码进行了更改并得到了下面显示的相同错误），

UPDATE3： 感谢所有支持。我认为UPDATE2中的问题是由于使用了python2 而不是python3。我能够通过使用而不是仅在@sokato 的代码中解决UPDATE2 for python2中给出的错误。导入关闭函数如下：with closing(multiprocessing.Pool()) as p:with multiprocessing.Pool() as p:from contextlib import closing

使用不同方法的新问题如下所示，

我实际上有多个输入。我不想每次为每个输入加载模型，而是想预先加载所有模型并将其保存在列表中。我已经这样做了，如下所示，

new_all_t 是一个包含元组的列表，每个元组都有来自 all_t 的输入和包含将在预测函数中提取的加载模型的列表。但是，我现在收到以下错误，

这究竟说明了什么？我该如何解决这个问题？

UPDATE4： 我在一开始就包括了这些tf.compat.v1.enable_eager_execution()行 tf.compat.v1.enable_v2_behavior()。现在我收到以下错误，

我无法解释此错误消息，我该如何解决这个问题？非常感谢任何建议！

我正在玩 TensorFlow，我正在尝试将 Keras 模型导出为 TensorFlow 模型。我遇到了上述错误。我正在关注 Lynda 的“使用 Keras 2.0 构建深度学习应用程序”（https://www.linkedin.com/learning/building-deep-learning-applications-with-keras-2-0/exporting-google-cloud-兼容型号？u=42751868）

在尝试构建张量流模型时，我遇到了这个错误，在第 66 行抛出了添加元图和变量函数的定义。

第 66 行，在 build_tensor_info raise RuntimeError("build_tensor_info is not supported in Eager mode.") RuntimeError: build_tensor_info is not supported in Eager mode.

大家有什么想法吗？

对于一些自定义代码，我需要运行一个 for 循环来在 Tensorflow 2 中动态创建一个变量（启用急切执行模式）。（在我的自定义代码中，我写入变量的值需要渐变，因此我想跟踪 for 循环中的计算，以便从 autodiff 中获取渐变）。我的代码有效，但速度非常慢。事实上，它比在 numpy 中执行相同的操作要慢几个数量级。

我已经隔离了这个问题，并提供了一个突出问题的玩具代码片段。修复它将允许我修复我的自定义代码。

此代码片段的关键要点是，在 for 循环中，我只需要更新变量的一部分。每次迭代时要更新的切片都不同。用于更新的数据在每次迭代中都不同（在我的自定义代码中，它是依赖于变量切片的一些简单计算的结果，这里我只是使用固定数组来隔离问题。）

我正在使用 Tensorflow 2，并且 TensorFlow 代码理想情况下需要在启用急切执行的情况下运行，因为部分自定义操作依赖于急切执行。

我是 Tensorflow 的新手，我非常感谢解决这个问题的任何帮助。

非常感谢，马克斯