Python ValueError：变量的初始值设定项来自控制流构造内部，例如循环或条件。使用lambda作为初始值设定项

这是我在Keras的控制流中声明LSTM层时面临的问题的简化版本。行

K.variable（kernel_init（[3,3]，dtype='float64'）、dtype='float64'，name='kernel'）

是。因此，该行不能更改。基于来自的RecomEndation，我尝试创建一个LSTM网络并得到相同的错误。我把它归结为下面的简化代码

下面的代码执行会导致错误

import tensorflow as tf
from keras import backend as K

def cond(i):
  return i < 3

def body(i):
    kernel_init = lambda x, dtype='float64' : tf.random.normal(x, dtype=dtype)
    vars = K.variable(kernel_init([3,3], dtype='float64'),
                            dtype='float64',
                            name='kernel')
    print("succesfully variable declared")
    return (i+1,vars)

tf.while_loop(cond, body, [0])

将tensorflow导入为tf
从keras导入后端为K
def cond（一）：
返回i<3
def正文（一）：
kernel_init=lambda x，dtype='float64'：tf.random.normal（x，dtype=dtype）
vars=K.variable（kernel_init（[3,3]，dtype='float64'），
dtype='float64'，
name='kernel'）
打印（“成功声明变量”）
返回（i+1，变量）
tf.while_循环（cond，body，[0]）

ValueError:变量的初始值设定项，而/kernel/来自控制流构造内部，例如循环或条件。在循环或条件内创建变量时，请使用lambda作为初始值设定项

---

标记多线程，因为上面的代码最初在并行线程内运行。

为什么要多次声明内核？问题是它说的是，您不能在

tf内初始化变量。而_loop

，因为这是一个控制流操作。@Daniel，实际的while循环基于是否设置了事件，它会以一定的间隔重新加载经过训练的lstm，以在新数据上对其进行重新训练。@thushv89，但它也建议了一种替代方法，并在我在文章中链接的问题中给出了一个简单的例子。你不能只分配一个新值，而不是再次创建变量吗？这听起来很奇怪，完全违背了tensorflow遵循的静态图形思想。