Python 通过张量迭代的张量流

我用的是Tensorflow 1.13。然而，我得到一个错误，我不能迭代通过张量，除非我在渴望模式。有没有一种方法可以在不进入渴望模式的情况下实现这一点

with tf.Session(config=config) as sess:
    context = tf.placeholder(tf.int32, [args.batch_size, None])
    mask = tf.placeholder(tf.int32, [args.batch_size, 2])
    output = model.model(hparams=hparams, X=context)



    for batch_index in range(args.batch_size):
        start = mask[batch_index][0]
        end   = mask[batch_index][1]

        for i in range(start, end+1):
            output['logits'][batch_index, i , context[batch_index,i]].assign(math.inf)

    loss = tf.reduce_mean(
        tf.nn.sparse_softmax_cross_entropy_with_logits(
            labels=context[:, 1:],  logits=output['logits'][:, :-1]))

你能试试使用吗？您可以尝试下面的代码片段（可能对代码做了一些小的修改），看看它是否有效

import tensorflow as tf
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.9)
with tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) as sess:
    context = tf.placeholder(tf.int32, [args.batch_size, None])
    mask = tf.placeholder(tf.int32, [args.batch_size, 2])
    output = model.model(hparams=hparams, X=context)



    for batch_index in [0,1,2,3]: #I have assumed a dummy list cz we can't iterate through a 'Dimension'
        start = mask[batch_index][0]
        end   = mask[batch_index][1]

        i = tf.constant(0)
        while_condition = lambda i: (tf.less(i, end)) & (tf.math.greater_equal(i,start))

        def body(i):
            return output['logits'][batch, i , context[batch,i]].assign(math.inf)

        r = tf.while_loop(while_condition, body, [i])

        # for i in range(start, end+1):
        #     output['logits'][batch, i , context[batch,i]].assign(math.inf)

    loss = tf.reduce_mean(
        tf.nn.sparse_softmax_cross_entropy_with_logits(
            labels=context[:, 1:],  logits=output['logits'][:, :-1]))

---

你能发布一个输入样本和预期的输出吗？嗨@gorjan这很难做到。你能看到Achintha建议中的注释吗？当我运行

sess.run（loss，feed\u dict={…}）

时，如何确保执行

循环时？我希望这是有意义的？是的，这是有意义的。您能否尝试一些示例输入并使用
loss\u r，r\u r=sess.run（[loss，r]，feed\u dict={…}）
运行会话？查看您是否获得了预期的培训绩效？这是一个不同的错误，发生在以下行中：
labels=context[：，1:，logits=output['logits'][：，：-1]）
对吗？看看这里。原来错误来自
assign
部分。请看这里：