Python 如何在TensorFlow图中正确引发异常

我想根据图形模式（在TensorFlow服务中）中输入张量的值引发

tf.errors.InvalidArgumentError

异常

目前我使用的是

tf.debug.assert\u all\u finite

，效果很好。由于我不是在对bug检查进行断言，而是在输入的基础上引发一个异常，所以最好引发一个显式异常

我的问题归结为：

• 如何有条件地执行不返回张量的代码
• 如何引发tf.errors异常

这样做的正确方式是什么

编辑： 更多细节。我希望在不使用tf.debuging的情况下重新创建以下逻辑（除非这实际上是正确的方法）

目前，我正在检查是否不存在如下值：

assert_op = tf.debugging.assert_all_finite(
    input_data,
    'Cant have nans at beginning or end'
)

---

正如你通过邮件给我写的，这可能与，和有关。然而，我不确定这是否真的与你有关。这个TF问题和其他问题是关于如何动态地捕获异常，所以基本上实现

try:。。。除了：…

在TF图中

引入控制结构的其他TF功能包括：

• tf.while\u循环

• tf.cond

tf.cond

是您如何有条件地执行代码的问题的答案。取决于条件，即a

bool

scalar。但也许这不是你真正的问题，而是，如何制定条件

有一个

tf.check_numerics

，它检查inf/nan的张量，如果找到这样的张量，就会抛出异常

如果您想将其作为一个条件，可以使用以下代码：

is_finite = tf.reduce_all(tf.is_finite(x))

如果要在某些条件为非真时引发异常，可以执行以下操作：

check_op = tf.Assert(is_finite, ["Tensor had inf or nan values:", x])

---

您可能需要使用

tf.control\u dependencies

来确保执行此操作

check\u op

。

您无法在图形的“内部”引发或捕获异常。该图可能运行在甚至不知道异常是什么的任何设备（如GPU）上。但是，该图可以包含控制流结构，例如可以用来模拟该行为的控制流结构。请注意，

tf.errors.InvalidArgumentError

是在编译时而不是在运行时引发的。@a_guest:您可以在运行时引发异常，例如通过

tf.Assert

。但是，您无法捕捉到它（在图中）。我在回答中对此进行了扩展。@Albert是的，您可以在运行时引发异常，但这不会发生在图中

tf.Assert

在封面下使用

tf.cond

创建逻辑分支。然后在“控制器”空间中引发异常。也许我误解了这个问题，但似乎目标是在运行时引发异常。这与tensorflow引发异常完全不同——不是针对结果，而是针对实现。尽管如此，我还是同意

tf.Assert

是正确的选择。谢谢你的帮助。在TensorFlow 2

tf.debug.assert\u all\u finite

和

tf.debug.check\u numerics

中，两者似乎都能完成这项工作。我被

assert

关键字弄糊涂了，我认为可能有一种方法可以显式地引发特定的异常。这就行了。谢谢你快速而彻底的回答。