Python Tensorflow 2.0 stack()引发未初始化的张量错误
我正在编写一个自定义层,需要在其中循环处理批处理维度,然后是图像的rgb维度。我仍在试图理解Tensorflow是如何实现for循环的,我不确定这与我在这里介绍的错误有关 下面是一些伪代码:Python Tensorflow 2.0 stack()引发未初始化的张量错误,python,tensorflow,Python,Tensorflow,我正在编写一个自定义层,需要在其中循环处理批处理维度,然后是图像的rgb维度。我仍在试图理解Tensorflow是如何实现for循环的,我不确定这与我在这里介绍的错误有关 下面是一些伪代码: @tf.function() def _crop_and_resize(self, imgs, boxes, to_size): # prepare kernel_h and kernel_w n_images = tf.shape(imgs)[0]
@tf.function()
def _crop_and_resize(self, imgs, boxes, to_size):
# prepare kernel_h and kernel_w
n_images = tf.shape(imgs)[0]
outputs = tf.TensorArray(dtype=tf.float32, size=n_images)
for i in tf.range(n_images):
# in the call to _bilinear we enter the inner loop
output = self._bilinear(
kernel_h[i],
kernel_w[i],
imgs[i])
outputs.write(i, output)
return outputs.stack()
def _bilinear(self, kernel_h, kernel_w, img):
n_channels = tf.shape(img)[2]
result_channels = tf.TensorArray(dtype=tf.float32, size=n_channels)
for i in tf.range(n_channels):
result_channels.write(i,
tf.matmul(
tf.matmul(kernel_h, tf.tile(img[:, :, i], [1, 1])),
kernel_w, transpose_b=True))
return tf.transpose(result_channels.stack(), perm=[1,2,0])
我得到以下错误:
InvalidArgumentError:尝试堆叠仅包含未初始化张量且具有未完全定义元素的列表。\u形状:[?,?,?]
[{{node model_17/att_1/PartitionedCall/TensorArrayV2Stack/TensorListStack}]
函数调用堆栈:
分布函数
我见过许多这样使用
TensorArray
和stack
进行单个for循环的例子,但我不确定嵌套的for循环是否导致了问题。我遇到了类似的问题,并通过此错误响应中的注释解决了它:
基本上,当处于急切模式时,.stack()调用可以方便地工作,但在图形设置中,需要将.stack()调用链接为图形中的节点,例如
outputs=输出。写入(i,输出)
这为我解决了问题