Python 使用Keras在图形模式下将张量转换为参差不齐张量

我想用Keras把我的图中的张量转换成参差不齐的张量。 但是，函数

RaggedTensor.from_row_length

在我的图中失败

Tensorflow版本：

tf nightly 2.1.0.dev20191203

下面是一个代码示例：

将tensorflow导入为tf
将numpy作为np导入
输入_序列=np。重塑(
数组（[1,2,3,4,5,6,7,8]，dtype=np.int32），
(2, 4))
标签=np。重塑(
数组（[1.0,0.0，]，dtype=np.float32），
(2, 1))
dataset=tf.data.dataset.from_tensor_切片（（输入序列，标签））.batch（1）
sequence_in=tf.keras.layers.Input（shape=（无），dtype=tf.int32）
#失败的线，其余的工作没有下面的线
ragged_in=tf.RaggedTensor.from_row_长度（序列[2,2]）
嵌入张量=tf.keras.layers.embedded（9,4）（序列）
平面张量=tf.重塑（嵌入张量，[-1,16]）
预测=tf.keras.layers.Dense（2）（平面张量）
模型=tf.keras.model（输入=序列输入，输出=预测）
model.compile(
tf.keras.optimizers.Adam（），
损失=tf.keras.loss.CategoricalCrossentropy（），
指标=['acc']）
拟合（数据集，每个历元的步数=1）

错误似乎与用于检查张量形状的验证有关：

Traceback (most recent call last):
  File "myscript.py", line 18, in <module>
    ragged_in = tf.RaggedTensor.from_row_lengths(sequence_in, [4, 1])
  File "python3.6/site-packages/tensorflow_core/python/ops/ragged/ragged_tensor.py", line 510, in from_row_lengths
    check_ops.assert_equal(nvals1, nvals2, message=msg)
  File "python3.6/site-packages/tensorflow_core/python/ops/check_ops.py", line 506, in assert_equal
    if not condition:
  File "python3.6/site-packages/tensorflow_core/python/framework/ops.py", line 765, in __bool__
    self._disallow_bool_casting()
  File "python3.6/site-packages/tensorflow_core/python/framework/ops.py", line 534, in _disallow_bool_casting
    self._disallow_in_graph_mode("using a `tf.Tensor` as a Python `bool`")
  File "python3.6/site-packages/tensorflow_core/python/framework/ops.py", line 523, in _disallow_in_graph_mode
    " this function with @tf.function.".format(task))
tensorflow.python.framework.errors_impl.OperatorNotAllowedInGraphError: using a `tf.Tensor` as a Python `bool` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function

我想知道这是否与批量大小和“序列”张量不固定有关。 所以我也试着把第一个观测值转换成参差不齐的张量，但同样的错误依然存在

ragged_in=tf.RaggedTensor.from_row_长度（序列[0]，[2,2]）

将

keras

张量视为标准

tf。张量

多次对我产生反作用。我建议你做以下事情

ragged_in = tf.keras.layers.Lambda(lambda x: tf.RaggedTensor.from_row_lengths(x, [2, 2]))(sequence_in)
print(ragged_in)

输出

>>> tf.RaggedTensor(values=Tensor("input_3:0", shape=(None, None), dtype=int32), row_splits=Tensor("lambda_1/RaggedFromRowLengths/concat:0", shape=(3,), dtype=int64))

---

将

keras

张量视为标准

tf。张量

多次对我产生反作用。我建议你做以下事情

ragged_in = tf.keras.layers.Lambda(lambda x: tf.RaggedTensor.from_row_lengths(x, [2, 2]))(sequence_in)
print(ragged_in)

输出

>>> tf.RaggedTensor(values=Tensor("input_3:0", shape=(None, None), dtype=int32), row_splits=Tensor("lambda_1/RaggedFromRowLengths/concat:0", shape=(3,), dtype=int64))

---

注：为了让参差张量通过后面的另一层，如我的原始示例中的嵌入层，我必须安装TF 2.1.0上面有任何错误问题吗？注：为了让参差张量通过后面的另一层，如我的原始示例中的嵌入层，我必须安装TF 2.1.0上面有任何错误问题吗？