Tensorflow 张量类型变量初始值设定项必须包装在init_范围内或可调用

我已经为

crf

损失计算编写了一个自定义keras损失

def myLoss(self,y_true, y_pred):
    """
    Args:
        y_true: a tensor of shape batch_size X  num_labels 
        y_pred: a tensor of shape batch_size X seq_length X num_labels
        
    """
    with tf.init_scope():
        self.seqlen = tf.constant(self.batch_size, shape=(self.seq_length,))
    log_likelihood, transtion = tfa.text.crf.crf_log_likelihood(y_pred,y_true,self.seqlen )# logits, labels, seq_length
        loss = tf.reduce_sum(-log_likelihood)
    return loss

但上述代码提出了以下问题：

ValueError: Tensor-typed variable initializers must either be wrapped in an init_scope or callable (e.g., `tf.Variable(lambda : tf.truncated_normal([10, 40]))`) when building functions. Please file a feature request if this restriction inconveniences you.

---

根据错误，我尝试用

init\u scope

包装张量计算，但不确定这是否正确。建议？

我面临着类似的问题，但背景不同。使变量初始值设定项可调用对我来说很有用。 在这样调用代码中的

self.seqlen

之前，只需添加一个

lambda

，看看它是否有效：

tfa.text.crf.crf_log_likelihood(y_pred, y_true, lambda: self.seqlen)

---

有解决办法吗？同样的问题。@Saeed你找到解决方案了吗？我在第行遇到了同样的错误：self.add_weight（name='gain'，shape=（weight.shape[-1]，），initializer=“one”，trainable=True，dtype=self.dtype）如何在lambda中输入“one”呢？试着做：initializer=lambda:tf.one（tf.shape（weight））