Python Tensorflow:FailedPremissionError:表未初始化（使用tf.data.Dataset API）

我使用的是

tf.data.Dataset

API与

tf.contrib.lookup.index\u table\u from\u tensor

我的数据集是这样创建的：

dataset = tf.data.Dataset.from_tensor_slices(({'reviews': x}, y)))

以下是我正在做的：

data_table = tf.contrib.lookup.index_table_from_tensor(tf.constant(data_vocab))
labels_table = tf.contrib.lookup.index_table_from_tensor(tf.constant(labels_vocab))

然后，我将预处理函数映射到我的

数据集
：

def preprocess(x, y):
    # split on whitespace
    x['reviews'] = tf.string_split([x['reviews']])
    # turn into integers
    return data_table.lookup(x['reviews']), labels_table.lookup(y)

到目前为止一切都很好。但是，当我尝试将数据集传递到Keras模型进行培训时，我得到：

tensorflow.python.framework.errors_impl.FailedPreconditionError: Table not initialized.

我在谷歌上四处搜索，人们建议我需要包括：

sess = tf.Session()
sess.run(tf.tables_initializer())

但现在我明白了：

tensorflow.python.framework.errors_impl.FailedPreconditionError: Table not initialized.
     [[Node: hash_table_Lookup = LookupTableFindV2[Tin=DT_STRING, Tout=DT_INT64](hash_table_lookup_placeholder, StringSplit:1, hash_table_lookup_placeholder_1)]]
     [[Node: IteratorGetNext_1 = IteratorGetNext[output_shapes=[[?,?], [?,20]], output_types=[DT_INT64, DT_FLOAT], _device="/job:localhost/replica:0/task:0/device:CPU:0"](Iterator_1)]]

知道我的查找表为什么还没有初始化/如何修复吗

谢谢
 嗨，这有点奇怪，也许下面的工作示例可以帮助您：

x = ['this is aswesome', 'i dont like it', 'i love it', 'i hate it']
y = ['positive','negative','positive','negative']
data_vocab = list({word for sentence in x for word in sentence.split(' ')})
label_vocab = list(set(y))

dataset = tf.data.Dataset.from_tensor_slices(({'reviews': x}, y))

data_table=tf.contrib.lookup.index_table_from_tensor(tf.constant(data_vocab))
labels_table = tf.contrib.lookup.index_table_from_tensor(tf.constant(label_vocab))

def preprocess(x, y):
    # split on whitespace
    x['reviews'] = tf.string_split([x['reviews']])
    # turn into integers
    return data_table.lookup(x['reviews']), labels_table.lookup(y)

preprocessed = dataset.map(preprocess)

it = preprocessed.make_initializable_iterator()
sess = tf.Session()
sess.run(it.initializer)
sess.run(tf.tables_initializer()) 

如果调用
sess.run（it.get_next（））
则会得到
（sparsetenservalue（index=array（[[0,0]），
[0, 1],
[0,2]]、值=数组（[2,7,4]）、密集形状=数组（[1,3]）、1）

希望这对你有帮助
 谢谢你的帮助！难道我不能用sess.run（tf.tables\u initializer（））
初始化表，然后将我的
数据集
传递给我的Keras模型吗？调用
model.fit（…）
时会发生错误。另外，我不需要初始化我的数据集来获得一个Keras模型来进行训练，我不认为通常你可以传递数据集，我想知道你如何处理你的会话？你确定你使用的是同一个会话吗？我只需运行
sess=tf.session（）sess.run（tf.tables\u initializer（））
，构建我的Keras模型，并在数据集上调用
.fit
，在拟合模型之前，你可以尝试添加这一行
tf.Keras.backend.set\u session（sess）
。