我正在实现简单的RNN。在它中,我想返回列表中每个时间步的输出,稍后我可以将其提供给优化器。我在没有@tf.function
的情况下构建了工作rnn。但在添加@tf.function
之后,它会产生问题
def basic_rnn_cell(self,x,s):#Note :These function are defined in class
s=self.U*x+self.W*s+self.b #U,W,b and all are tf.Variable
y=self.V*s+self.c
return y,s
@tf.function
def rnn(self,X):
outputs=[]
state=self.state
for x in X:
output,state=self.basic_rnn_cell(x,state)
outputs.append(output)
return outputs
这就是我所说的:
x=np.array([0.01,0.02,0.03],dtype=np.float32)
o.rnn(x)
我得到的错误是:
raise errors.InaccessibleTensorError(
tensorflow.python.framework.errors_impl.InaccessibleTensorError: The tensor 'Tensor("while/add_2:0", shape=(), dtype=float32)' cannot be accessed here: it is defined in another function or code block.
Use return values, explicit Python locals or TensorFlow collections to access it. Defined in: FuncGraph(name=while_body_44, id=2538759416224); accessed from: FuncGraph(name=rnn, id=2538758824096).
这是因为使用python列表临时保存tensor对象。内存回收机制将删除跟踪此函数后保存的内容,因此无法实现。 如果要保存这些临时张量,必须使用
tf.TensorArray
作为替换。您可以参考以下内容:https://www.tensorflow.org/guide/function#loops相关问题 更多 >
编程相关推荐