Python tensorflow不规则堆栈问题

我试图在我的模型中使用tf.ragged.stack。 当我在玩它时，我可以做如下事情：

tensor = tf.constant([[1., 2.], [3., 4.], [5., 6.]])
masks = tf.constant([[1, 1, 1], [0, 0, 0], [1, 0, 1]])
tf.ragged.stack([tf.boolean_mask(tensor, mask) for mask in masks])

它还提供：

<tf.RaggedTensor [[[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]], [], [[1.0, 2.0], [5.0, 6.0]]]>

错误是：

---------------------------------------------------------------------------
_FallbackException                        Traceback (most recent call last)
~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen_array_ops.py in concat_v2(values, axis, name)
   1171         _ctx._context_handle, tld.device_name, "ConcatV2", name,
-> 1172         tld.op_callbacks, values, axis)
   1173       return _result

_FallbackException: This function does not handle the case of the path where all inputs are not already EagerTensors.

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
<ipython-input-114-d762bdd6bb0d> in <module>
      3 masks = tf.keras.Input(shape=(None, 3), dtype='int32')
      4 masks = tf.reshape(masks, [3,3])
----> 5 rag = tf.ragged.stack([tf.boolean_mask(tensor, mask) for mask in masks])

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged_concat_ops.py in stack(values, axis, name)
    116     values = [values]
    117   with ops.name_scope(name, 'RaggedConcat', values):
--> 118     return _ragged_stack_concat_helper(values, axis, stack_values=True)
    119 
    120 

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged_concat_ops.py in _ragged_stack_concat_helper(rt_inputs, axis, stack_values)
    185     if not ragged_tensor.is_ragged(rt_inputs[i]):
    186       rt_inputs[i] = ragged_tensor.RaggedTensor.from_tensor(
--> 187           rt_inputs[i], ragged_rank=1, row_splits_dtype=row_splits_dtype)
    188 
    189   # Convert the input tensors to all have the same ragged_rank.

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged_tensor.py in from_tensor(cls, tensor, lengths, padding, ragged_rank, name, row_splits_dtype)
   1779       # vector that contains no default values, and reshape the input tensor
   1780       # to form the values for the RaggedTensor.
-> 1781       values_shape = array_ops.concat([[-1], input_shape[2:]], axis=0)
   1782       values = array_ops.reshape(tensor, values_shape)
   1783       const_nrows = tensor_shape.dimension_at_index(tensor.shape, 0).value

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/util/dispatch.py in wrapper(*args, **kwargs)
    178     """Call target, and fall back on dispatchers if there is a TypeError."""
    179     try:
--> 180       return target(*args, **kwargs)
    181     except (TypeError, ValueError):
    182       # Note: convert_to_eager_tensor currently raises a ValueError, not a

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/array_ops.py in concat(values, axis, name)
   1604           dtype=dtypes.int32).get_shape().assert_has_rank(0)
   1605       return identity(values[0], name=name)
-> 1606   return gen_array_ops.concat_v2(values=values, axis=axis, name=name)
   1607 
   1608 

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen_array_ops.py in concat_v2(values, axis, name)
   1175       try:
   1176         return concat_v2_eager_fallback(
-> 1177             values, axis, name=name, ctx=_ctx)
   1178       except _core._SymbolicException:
   1179         pass  # Add nodes to the TensorFlow graph.

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen_array_ops.py in concat_v2_eager_fallback(values, axis, name, ctx)
   1207         "'concat_v2' Op, not %r." % values)
   1208   _attr_N = len(values)
-> 1209   _attr_T, values = _execute.args_to_matching_eager(list(values), ctx)
   1210   _attr_Tidx, (axis,) = _execute.args_to_matching_eager([axis], ctx, _dtypes.int32)
   1211   _inputs_flat = list(values) + [axis]

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/eager/execute.py in args_to_matching_eager(l, ctx, default_dtype)
    261       ret.append(
    262           ops.convert_to_tensor(
--> 263               t, dtype, preferred_dtype=default_dtype, ctx=ctx))
    264       if dtype is None:
    265         dtype = ret[-1].dtype

~/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in convert_to_tensor(value, dtype, name, as_ref, preferred_dtype, dtype_hint, ctx, accepted_result_types)
   1315       raise ValueError(
   1316           "Tensor conversion requested dtype %s for Tensor with dtype %s: %r" %
-> 1317           (dtype.name, value.dtype.name, value))
   1318     return value
   1319 

ValueError: Tensor conversion requested dtype int32 for Tensor with dtype int64: <tf.Tensor 'strided_slice_142103:0' shape=(0,) dtype=int64>

---------------------------------------------------------------------------
_FallbackException回溯（上次最近的调用）
concat_v2中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen_array_ops.py（值、轴、名称）
1171 \u ctx.\u上下文\u句柄，tld.device\u名称，“ConcatV2”，名称，
->1172 tld.op_回调、值、轴）
1173返回结果
_FallbackException：此函数不处理所有输入都不是张量的路径的情况。
在处理上述异常期间，发生了另一个异常：
ValueError回溯（最近一次调用上次）
在里面
3掩码=tf.keras.Input（shape=（无，3），dtype='int32'）
4个遮罩=tf.重塑（遮罩[3,3]）
---->5 rag=tf.ragged.stack（[tf.boolean_mask（张量，mask）表示掩码中的掩码]）
堆栈中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged\u concat\u ops.py（值、轴、名称）
116值=[值]
117带有操作名称\u范围（名称“RaggedConcat”，值）：
-->118返回_ragged_stack_concat_helper（值、轴、堆栈值=真）
119
120
~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged\u concat\u ops.py in\u ragged\u stack\u concat\u helper（rt\u输入、轴、堆栈值）
185如果不参差不齐，张量是否参差不齐（rt_输入[i]）：
186 rt_输入[i]=不规则张量。不规则张量传感器。来自不规则张量(
-->187 rt_输入[i]，参差不齐_排名=1，行分割_数据类型=行分割_数据类型）
188
189#将输入张量转换为所有具有相同参差不齐秩的张量。
~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/ragged/ragged\u tensor.py from\u tensor（cls，tensor，length，padding，ragged\u rank，name，row\u splits\u dtype）
1779#不包含默认值的向量，并重塑输入张量
1780#形成RaggedSensor的值。
->1781个值\u shape=array\u ops.concat（[-1]，输入\u shape[2:]，轴=0）
1782值=数组操作。重塑（张量、值和形状）
1783 const_nrows=张量_形状。索引处的尺寸（张量。形状，0）。值
包装器中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/util/dispatch.py（*args，**kwargs）
178“调用目标，如果出现类型错误，则返回调度程序。”
179尝试：
-->180返回目标（*args，**kwargs）
181除外（类型错误、值错误）：
182#注意：将_转换为_急切_张量当前会引发一个值错误，而不是
concat中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/array_ops.py（值、轴、名称）
1604 dtype=dtypes.int32）。获取\u形状（）。断言\u具有\u秩（0）
1605返回标识（值[0]，name=name）
->1606返回gen_数组操作concat_v2（值=值，轴=轴，名称=名称）
1607
1608
concat_v2中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen_array_ops.py（值、轴、名称）
1175尝试：
1176返回concat\u v2\u earge\u回退(
->1177值，轴，名称=名称，ctx=_ctx）
1178除“核心符号”外例外：
1179通过#将节点添加到TensorFlow图。
concat\u v2\u eager\u fallback中的~/anaconda3/lib/python3.7/site-packages/tensorflow/python/ops/gen\u array\u ops.py（值、轴、名称、ctx）
1207“'concat_v2'Op，非%r.%值）
1208_attr_N=len（值）
->1209\u attr\u T，values=\u execute.args\u to\u matching\u eager（列表（值），ctx）
1210\u attr\u Tidx，（axis，）=\u execute.args\u to\u matching\u eager（[axis]，ctx，\u dtypes.int32）
1211_输入_平面=列表（值）+[轴]
~/anaconda3/lib/python3.7/site-packages/tensorflow/python/eager/execute.py在args\u-to\u-matching\u-eager（l，ctx，默认数据类型）中
261检索附加(
262运算。将_转换为_张量(
-->263 t，数据类型，首选（数据类型=默认值（数据类型，ctx=ctx））
264如果数据类型为无：
265 dtype=ret[-1]。dtype
~/anaconda3/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in convert\u to\u tensor（值、数据类型、名称、as\u ref、首选数据类型、数据类型提示、ctx、接受的结果类型）
1315上升值错误(
1316“张量转换请求了数据类型为%s的张量的数据类型%s:%r”%
->1317（dtype.name，value.dtype.name，value））
1318返回值
1319
ValueError:对于数据类型为int64的Tensor，Tensor转换请求的数据类型为int32:

谁能告诉我发生了什么事

---

我认为tf.ragged.stack方法对tf.keras.Input等占位符不起作用。

您使用的是什么版本的tf？以下代码在Colab（使用TF2.4）上测试时有效

然而，主要问题似乎来自数据类型

ValueError:dtype int64的张量请求了dtype int32的张量转换：

您需要将输入转换为

int32

格式，以使

tf.ragged.stack

happy:

converted_masks = tf.cast([tf.boolean_mask(tensor, mask) for mask in masks], tf.int32)
rag = tf.ragged.stack(converted_masks)

---

你使用的是什么版本的TF？以下代码在Colab（使用TF2.4）上测试时有效

然而，主要问题似乎来自数据类型

ValueError:dtype int64的张量请求了dtype int32的张量转换：

您需要将输入转换为

int32

格式，以使

tf.ragged.stack

happy:

converted_masks = tf.cast([tf.boolean_mask(tensor, mask) for mask in masks], tf.int32)
rag = tf.ragged.stack(converted_masks)

---

谢谢你的跟进。我使用的tensorflow版本是2.2.0。使用您的建议后，我终于合并了此代码！谢谢你的跟进。我使用的tensorflow版本是2.2.0。使用您的建议后，我终于合并了此代码！