Keras，tensorflow:变量的初始值设定项。。。是来自控制流构造、循环或条件的内部

我正在培训一个面具r-cnn模型，请参考github上的此代表：

我遇到了一个问题，似乎是使用Keras的问题，所以我来到这里

代码根据感兴趣区域（ROI）和特征图计算遮罩：

mrcnn_mask = build_fpn_mask_graph(rois, mrcnn_feature_maps,
    config.IMAGE_SHAPE,
    config.MASK_POOL_SIZE,
    config.NUM_CLASSES)

然而，有时ROI可能是全零，在这种情况下，我希望直接返回全零。因此，我使用tf.cond如下：

def ff_true():
    mrcnn_mask = build_fpn_mask_graph(rois, mrcnn_feature_maps,
       config.IMAGE_SHAPE,
       config.MASK_POOL_SIZE,
       config.NUM_CLASSES)

def ff_false():
    return tf.zeros_like(target_mask)

mrcnn_mask = KL.Lambda(lambda x: tf.cond(tf.equal(tf.reduce_mean(x), 0), 
    ff_true, ff_true)) (rois)

这会引发一个错误：

ValueError:变量lambda_5/cond/mrcnn_mask_conv1/kernel/的初始值设定项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

我用谷歌搜索它，但没有得到有用的信息。 这似乎是错误使用keras/tensorflow的问题。 任何线索都欢迎

顺便说一句，如果我使用此代码，它将不会出错（但我不想提前计算a）：

---

错误基本上就是消息所说的。条件中不能有变量初始值设定项。与普通编程语言的粗略类比是：

if my_condition:
    a = 1
print a    # can't do this. a might be uninitialized.

下面是一个简单的示例来说明此问题以及错误消息中建议的修复：

import tensorflow as tf

def cond(i, _):
  return i < 10

def body(i, _):
  zero = tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero)
  return (i + 1, v.read_value())

def body_ok(i, _):
  zero = lambda: tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero, dtype=tf.int32)
  return (i + 1, v.read_value())

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

将tensorflow导入为tf
定义条件（i，u）：
返回i<10
def主体（一、二）：
zero=tf.zeros（[]，dtype=tf.int32）
v=tf.变量（初始值=0）
返回值（i+1，v.read_value（））
def主体_正常（i，u）：
zero=lambda:tf.zeros（[]，dtype=tf.int32）
v=tf.Variable（初始值=0，数据类型=tf.int32）
返回值（i+1，v.read_value（））
tf.while_循环（cond，body，[0,0]）

这是使用

tf.while\u loop

，但出于此目的，它与

tf.cond

相同。如果按原样运行此代码，您将得到相同的错误。如果用

body\u ok

替换

body

，一切都会好起来。原因是当初始值设定项是函数时，tensorflow可以将其置于“控制流上下文之外”，以确保它始终运行

---

为了澄清未来读者可能存在的困惑，“先计算

a

first”的方法并不理想，但有一个微妙的原因。首先，请记住，您在这里所做的是构建一个计算图（假设您没有使用）。因此，您实际上并不是在计算

a

。您只是定义如何计算它。Tensorflow运行时决定运行时需要计算的内容，具体取决于

session.run（）

的参数。因此，如果条件为false，则返回

a

的分支将不会执行（因为不需要它）。不幸的是，这不是TensorFlow运行时的工作方式。您可以在第一个答案中找到更多详细信息，但简单地说，TensorFlow运行时将执行任一分支的所有依赖项，只有

true\u fn/false\u fn

内的操作将有条件地执行

在CNN-LSTM中使用keras时，我也会遇到同样的问题。该代码在GPU服务器上运行良好，但当我试图在本地机器上运行它时，出现了一个奇怪的错误

下面的技巧对我有用

---

解决方案：清除变量并重新启动内核。这是我的工作。也许其他人也会遇到与我所经历的完全相同的问题，这会有所帮助。

有时，由于数据类型不匹配（例如，试图连接tf.float32和tf.int32类型的张量），可能会出现此错误。这里将更详细地讨论这一点：这里：。不幸的是，我认为您的代码实际上不是这样，因为您有一个实际的lambda。但即使不是这样，这些链接也可能对在谷歌搜索错误时发现这个问题的其他人有用。是的，这不是数据类型的问题。这只是Keras的问题。Keras使用张量初始化变量，这在条件内部是不合法的。我还没有找到解决方案。谢谢，这真的很有帮助！我在疯狂地寻找解决这个错误的办法。我在LSTM上应用它时得到了它。最后，你的回答帮助我解决了这个问题。我正在使用GoogleColab，在我重新启动运行时后，我停止了这个错误。

import tensorflow as tf

def cond(i, _):
  return i < 10

def body(i, _):
  zero = tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero)
  return (i + 1, v.read_value())

def body_ok(i, _):
  zero = lambda: tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero, dtype=tf.int32)
  return (i + 1, v.read_value())

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