OperatorNotAllowedInGraphError:不允许将`tf.Tensor`用作Python`bool`：AutoGraph确实转换了此函数
OperatorNotAllowedInGraphError是TensorFlow中的一个错误，它表示在AutoGraph转换过程中，尝试将tf.Tensor对象用作Python bool类型时出错。
TensorFlow的AutoGraph是一种将Python函数转换为TensorFlow图形（Graph）的机制，它可以自动将一些Python控制流语句转换为TensorFlow图形中的相应操作。然而，由于TensorFlow图形是静态的，而Python是动态的，因此某些Python语法无法直接转换为TensorFlow图形。
在这个错误中，出现了将tf.Tensor对象用作Python bool类型的情况，这是不允许的。tf.Tensor对象是TensorFlow中的张量，它表示计算图中的操作节点。而Python的bool类型是表示布尔值的数据类型，用于条件判断。
解决这个错误的方法是确保在AutoGraph转换过程中不将tf.Tensor对象用作Python bool类型。可以通过使用TensorFlow提供的条件判断操作来替代。例如，可以使用tf.cond来实现条件判断。
以下是一个示例代码，展示了如何使用tf.cond来替代将tf.Tensor用作Python bool类型的情况：
import tensorflow as tf
@tf.function
def my_function(x):
# 使用tf.cond进行条件判断
result = tf.cond(tf.reduce_sum(x) > 0, lambda: tf.constant(1), lambda: tf.constant(0))
return result
# 测试代码
x = tf.constant([-1, 2, -3])
print(my_function(x))在上述示例中，tf.reduce_sum(x) > 0是一个tf.Tensor对象，它表示对张量x进行求和操作，并判断求和结果是否大于0。使用tf.cond来根据条件选择返回不同的结果。
需要注意的是，由于要求答案中不能提及特定的云计算品牌商，因此无法提供腾讯云相关产品和产品介绍链接地址。但是，腾讯云提供了丰富的云计算服务和解决方案，可以通过访问腾讯云官方网站获取更多相关信息。
相关·内容
我正在用TensorFlow数据集开发一个输入管道，dataset只有两列，我想根据一个值列表进行筛选，但是当我试图在“我收到以下错误”中使用成员资格运算符时，我只能使用相等于"==“的运算符来过滤数据集。
OperatorNotAllowedInGraphError: using a `tf.Tensor` as a Python `bool` is not allowed: AutoGraph did not convert this function. Try decorating it directly with @tf.function.
下面是我的代码：
impor
浏览 0提问于2020-06-03得票数 3
回答已采纳
我的tensorflow版本是2.4.0-rc0。 在我调试代码后，我的代码似乎有一个问题，如下所示： @tf.function
def keypoint_distance(self, kpt):
if kpt[2] == tf.constant(0.0):
return tf.ones((self.LABEL_HEIGHT, self.LABEL_WIDTH), dtype=tf.float32)
else:
ortho_dist = self.grid - kpt[0:2]
r
浏览 725提问于2021-10-08得票数 0
回答已采纳
现在我遇到了这个错误，有没有人能帮我解决呢？ ---------------------------------------------------------------------------
OperatorNotAllowedInGraphError Traceback (most recent call last)
<ipython-input-24-0211c82920d0> in <module>
7 warnings.filterwarnings("ignore")
8 model.trai
浏览 159提问于2019-12-12得票数 14
我有一个特性，它是字节串的列表，例如 data = [b"lksjdflksdjfdlk", b"owiueroiewuroi.skjdf", b"oweiureoiwlkapq"] 下面是创建、写出和读回+解析tfrecord的示例代码。 >>> data = [b"lksjdflksdjfdlk", b"owiueroiewuroi.skjdf", b"oweiureoiwlkapq"]
>>> feature = tf.train.Feature(byte
浏览 26提问于2020-12-01得票数 2
我正在加载一个TextLineDataset，我想应用一个经过训练的文件标记器：
import tensorflow as tf
data = tf.data.TextLineDataset(filename)
MAX_WORDS = 20000
tokenizer = Tokenizer(num_words=MAX_WORDS)
tokenizer.fit_on_texts([x.numpy().decode('utf-8') for x in train_data])
现在，我想在data上应用这个令牌程序，以便用其编码的值替换每个单词。我试过data.map(lamb
浏览 5提问于2022-03-30得票数 1
回答已采纳
1回答
我考虑使用kappaScore实现sklearn.metrics.cohen_kappa_score度量。
def kappaScore(y_true,y_pred):
k = cohen_kappa_score(y_true,y_pred,weights='quadratic')
return k
当我试图运行以下代码时出错：
OperatorNotAllowedInGraphError: in user code:
/opt/conda/lib/python3.7/site-packages/keras/engine/training.py:853
浏览 9提问于2022-01-19得票数 0
回答已采纳
1回答
我正在尝试将此函数用于@tf.function装饰器： H和h2是形状为3,3的张量 def fn(h,i):
print(h[i])
return h[i]
tensor = [fn(h,i) for i in tf.range(tf.cast(tf.shape(h)[0],tf.int32)) if tf.reduce_all(tf.equal(h[i],h2[i])) ]
tf.print(tensor) 但是我得到了这个错误： main_coat_rds.py:139 train_step *
pseudo_label_1,images_disc
浏览 72提问于2021-07-23得票数 0
这就是我得到的问题，但我不会在任何地方使用它作为bool。至少在我能找到的地方找不到。我读过类似的问题，它们之所以得到解决，是因为实际上有一个实例将其视为布尔值。但是，我没有用过它是一个bool。 功能： def compile_cnn(model, loss = None, optimizer = None):
# Compile the CNN using the specified loss function
model.compile(loss=loss, optimizer=optimizer)
# return the compiled model
浏览 32提问于2020-10-18得票数 0
回答已采纳
1回答
在笔记本FuncDef.ipynb中，我有以下代码：
import tensorflow as tf
@tf.function
def myfunc(x):
if x < 0:
x = -x
return x
x = tf.constant(-1)
print(myfunc(x))
如果我执行它，它将按预期运行并打印tf.Tensor(1, shape=(), dtype=int32)。
现在，我试图通过在另一个笔记本中导入代码来执行相同的代码：
from google.colab import drive
drive.mount('
浏览 2提问于2021-06-19得票数 0
回答已采纳
我试图通过一些调整来实现“注意就是你所需要的一切”的时间序列，但是我得到了这个错误：
OperatorNotAllowedInGraphError:不允许在tf.Tensor上迭代: AutoGraph确实转换了这个函数。
代码：
import tensorflow as tf
from tensorflow import keras
class Attention(tf.keras.layers.Layer):
def __init__(self, dk, dv, num_heads, filter_size):
super().__init__()
浏览 5提问于2021-08-03得票数 2
回答已采纳
1回答
我想在角化层中实现自然梯度。这必须发生在已经到位的定制梯度中。当我调用优化器时，我希望能够选择应该计算哪个实现(常规的还是自然的梯度)。
我面临的问题是，当我在训练时(而不是在图形构建时)将bool nat_grad=True传递给操作时，AutoGraph并不高兴。
目前，正在发生的事情的伪代码如下：
@tf.custom_gradient
def MyOp(inputs, w, nat_grad=False):
output = w*inputs
def grad(dy):
if nat_grad:
return dy, 1.0
浏览 1提问于2020-11-28得票数 0
回答已采纳
我在处理函数( image = tf.keras.preprocessing.image.smart_resize(image, IMAGE_SIZE) )中使用了tf 2.3.0。
def process(file_path, is_train=False):
# read file and decode image
image = tf.io.read_file(file_path)
image = tf.image.decode_jpeg(image, channels=CHANNELS)
if is_train:
#
浏览 6提问于2020-07-28得票数 1
1回答
我想用我自己的损失函数创建一个神经网络。为此，我创建了这个损失函数：
class my_loss(tf.keras.losses.Loss):
def __init__(self,e1,e2,**kwargs):
assert e1 > e2 , "e1 must be greater than e2"
self.e1 = e1
self.e2 = e2
super().__init__(**kwargs)
def call(self,Y_true,Y_pred):
d =
浏览 8提问于2022-09-01得票数 1
回答已采纳
我试图在规范引用和之后使用自定义梯度实现一个自定义层
由于某种原因，我的代码抛出了以下错误：
OperatorNotAllowedInGraphError:不允许在tf.Tensor上迭代: AutoGraph确实转换了这个函数。这可能表示您试图使用不受支持的特性。
我的MWE如下：
import tensorflow as tf
from tensorflow import keras
import sys
print("Python version")
print (sys.version)
print("Version info.")
print
浏览 19提问于2022-11-10得票数 0
回答已采纳
1回答
我想循环Tensorflow张量，我的代码是这样的： elements = tf.constant([1,2,3])
x = tf.constant([1.000001, 1.1, 2.1, 2.00004, 3.001])
EPSILON = 0.0001
for elem in elements:
mask = tf.experimental.numpy.isclose(x, elem, atol=EPSILON, rtol=0)
x = tf.boolean_mask(x, ~mask) 在图形模式下，如何在Tensorflow中完成此操作？我得到了以下错误：
浏览 41提问于2021-05-11得票数 2
我从.I学习了tensorflow2.0 2.0，可以从下面的代码中了解结果。
def square_if_positive(x):
return [i ** 2 if i > 0 else i for i in x]
square_if_positive(range(-5, 5))
# result
[-5, -4, -3, -2, -1, 0, 1, 4, 9, 16]
但是如果我用张量而不是python代码来改变输入，就像这样
def square_if_positive(x):
return [i ** 2 if i > 0 else i for i in x]
浏览 1提问于2019-09-11得票数 14
1回答
我需要训练一个具有自定义损失函数的模型，它还将在预测之后更新一些外部函数，如下所示：
def loss_fct(y_true, y_pred):
global feeder
# Change values of feeder given y_pred
for value in y_pred:
feeder.do_something(value)
return K.mean(y_true - y_pred, axis=-1)
但是，这不起作用，因为TF不能在AutoGraph中遍历张量：
OperatorNotAllowedInGra
浏览 4提问于2020-10-25得票数 2
回答已采纳
我正在用tensorflow复制一个简单的代码。
我有自己定义的函数作为我的模型的度量。
这是一个简单的三重态损失函数(稍微修改一下)，但是如果我使用一个正常的函数，问题是相同的。
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.activations import sigmoid
from tensorflow.keras import backend
from tensorflow.keras.models import Model, Sequential
from
浏览 4提问于2020-04-27得票数 1
回答已采纳
1回答
我已经创建了一个包含5个特性的数据集的自动编码器模型。
从这些特征来看，前3种是数值的，最后2种是二进制范畴。我想做的是创建一个考虑到这两种数据类型的自定义丢失函数。我试过的是：
def custom_loss(y_true, y_pred):
return tf.math.add(
tf.keras.metrics.mean_squared_error(y_true[:,0:3], y_pred[:,0:3]) +
tf.keras.metrics.BinaryCrossentropy(y_true[:,3:5], y_pred[:,3:5])
)
浏览 1提问于2022-05-26得票数 1
2回答
所以我想在tensorflow中返回一个对象列表，当我尝试时，该列表对象是使用大小为n，k，d的张量X构造的： listofobject = [Myobject(x) for x in X] 它返回： OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed: AutoGraph did convert this function. This might indicate you are trying to use an unsupported feature. 我也试过了： listofobject
浏览 89提问于2021-10-06得票数 0
我为tensorflow.keras定义了自定义度量，用于计算每个时代之后的宏-F1-得分，如下所示：
from tensorflow import argmax as tf_argmax
from sklearn.metric import f1_score
def macro_f1(y_true, y_pred):
# labels are one-hot encoded. so, need to convert
# [1,0,0] to 0 and
# [0,1,0] to 1 and
# [0,0,1] to 2. Then pass these ar
浏览 2提问于2020-10-03得票数 3
回答已采纳
我使用tensorflow 2.1和python 3.7
下面的代码片段用于构建tensorflow图。当作为独立的python脚本执行时，代码将无错误地运行。(可能是tensorflow正在以急切的方式运行？(我不太确定。)
import tensorflow as tf
patches = tf.random.uniform(shape=(1, 10, 50, 300), dtype=tf.dtypes.float32)
s = tf.shape(patches)
patches = [patches[0][x][y] - tf.reduce_mean(patches[0][x][y])
浏览 1提问于2020-05-28得票数 10
回答已采纳
1回答
我在写损失函数时，假设损失是按双倍计算的，而不是张量。下面是我的函数： def prediction_loss(a,b):
IGNORE=.0025
EPSILON=.00001
if IGNORE > abs(a) and IGNORE > abs(b) and np.sign(a)==np.sign(b):
return 0
scale=min(abs(a),abs(b))
distance=abs(a-b)
if abs(scale)<EPSILON:
scale=max(ab
浏览 27提问于2019-10-04得票数 0
回答已采纳
1回答
我正在尝试使用一个自定义损失mse函数和keras，以更多地强调DNN模型的小值。
我确实尝试过这样的东西：
import keras.backend as K
def scaled_mse(y_true,y_pred):
loss = K.square(y_pred - y_true)
if y_true>0.1:
loss=loss/K.abs(y_true)
return loss
我的ML模型的输入是41个值。输出只有1个值。
但是它返回这个错误: OperatorNotAllowedInGraphError:在图执行中不允许使用tf.T
浏览 6提问于2020-05-19得票数 0
我正在尝试使此COLA repo适应我在本地文件夹中的音频数据集。我主要修改文件contrastive.py以使方法_get_ssl_task_data()适应我的新数据库。 但是，我得到一个从model.fit (它调用下面的model.train_step(data)方法)触发的错误。我试图通过修改train_step中的数据形状来修复这个错误，但是没有成功。 我不确定这是因为形状或数据类型不兼容还是因为我需要添加更多的东西来调整我的图形而导致的错误。有没有人知道我的代码出了什么问题？如果这真的是问题所在，我该如何在我的案例中替换tf.Tensor的使用呢？ 下面是contrastive
浏览 18提问于2020-11-29得票数 1
回答已采纳
我想对包含Tensorflow转换操作的函数进行单元测试。如下所示：
@pytest.mark.parametrize("inputs,expected_result",
[(
tf.linspace(start=0, stop=10, num=10),
tf.linspace(start=0, stop=1, num=10),
)]
)
def test_tft_scale(inputs, expected_result):
out = tft.scale_to_0_1(inputs)
assert tf.exp
浏览 0提问于2021-04-27得票数 0
我正在尝试通过索引来过滤tensorflow.dataset： dataset = tf.data.Dataset.from_tensor_slices((sequences_matrix, label_data.astype(np.int8)))
dataset = dataset.cache()
dataset = dataset.enumerate()
@tf.function
def filter_function(i, data):
return i in train_index # train_index is a lis
浏览 93提问于2020-12-29得票数 0
回答已采纳
1回答
我的LSTM神经网络预测标称值在-1到1之间。我想在Keras中建立一个定制的损失函数，根据预测的符号分配一个权重函数。
如果预测符号为正，则乙状结肠权重函数应将预测误差在1(最负预测误差)和2(最正预测误差)之间进行标度。如果预测的符号是负的，我想使用逆权函数。
您可以使用以下代码片段再现我的错误：
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, LSTM
from keras import backend as K
# loss function
def lfun
浏览 0提问于2021-07-09得票数 0
2回答
我正在为Tensorflow 2中的数据集编写一个映射函数。该数据集包含多个图像和相应的标签，更具体地说，标签只有三个可能的值，即13、17和34。映射函数应该把标签转换成分类标签。
也许有更好的方法来实现这个功能(请随意建议)，但这是我的实现：
def map_labels(dataset):
def convert_labels_to_categorical(image, labels):
labels = [1.0, 0., 0.] if labels == 13 else [0., 1.0, 0.] if labels == 17 else [0., 0.,
浏览 2提问于2020-04-17得票数 2
回答已采纳
我想在我的tensorflow图形执行模型中使用预先训练过的语句嵌入。嵌入是从函数调用中动态获得的，函数调用接受一个句子数组并输出一个语句嵌入数组。这个函数使用的是一个预先训练过的pytorch模型，因此必须与我正在培训的tensorflow模型保持独立：
def get_pretrained_embeddings(sentences):
return pretrained_pytorch_model.encode(sentences)
我的tensorflow模型如下：
class SentenceModel(tf.keras.Model):
def __init__(self):
浏览 0提问于2021-03-17得票数 0
我正在尝试从单变量时间序列中构建一个窗口数据集。我们的想法是，如果序列看起来像[1, 2, 3, 4, 5, 6]，并且窗口长度为2，那么我将使用长度为3的窗口来说明2个X特征和Y目标输出，所以[[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]然后我将把它们打乱，以避免产生偏差，并从每个窗口的目标输出中分离出输入要素：[[[1, 2], [3]], [[2, 3], [4]], [[3, 4], [5]], [[4, 5], [6]]] def windowed_dataset(series):
# Initially the data is (
浏览 9提问于2020-04-21得票数 1
我有一个包含一些整数值的张量，我需要创建一个新的张量，其中包含从整数value*49到value*49+49的所有值。 示例：tf.random.uniform()生成值[0,1]，然后我需要一个新的张量，其值为：`0,1,2,3，..48，98，99，...，147，但如果我这样做： indices = tf.constant([], tf.int32)
for index in tf.random.uniform((51,), minval=0, maxval=62, dtype=tf.dtypes.int32):
tensor1 = tf.constant([x for x i
浏览 366提问于2021-11-11得票数 0
回答已采纳
我创建了一个数据集，如下所示，其中image_train_path是图像文件路径列表，例如。[b'/content/drive/My Drive/data/folder1/im1.png', b'/content/drive/My Drive/data/folder2/im6.png',...]。我需要提取文件夹路径，例如，'/content/drive/My Drive/data/folder1'，并跟随一些其他操作。我尝试使用preprocessData函数这样做，如下所示。
dataset = tf.data.Dataset.from_te
浏览 0提问于2021-04-08得票数 1
回答已采纳
代码在下面
@tf.function
def train_step(自，批处理)：
with tf.GradientTape() as disc_tape, tf.GradientTape() as infe_tape, tf.GradientTape() as gener_tape:
loss_encoder, loss_decoder, loss_disc = self.compute_loss(batch)
grad_encoder = gener_tape.gradient(loss_encoder, self.model.inference_net.trainable_v
浏览 3提问于2020-05-31得票数 1
嘿，我正在尝试将我的Keras模型转换为CoreML，但我一直收到这个错误： tensorflow.python.framework.errors_impl.OperatorNotAllowedInGraphError: using a tf.Tensor as
a Python bool is not allowed in Graph execution. Use Eager execution or decorate this
function with @tf.function. 下面是我的代码： import keras
import coremltools
import ten
浏览 181提问于2020-01-18得票数 1
我做了个角脸模型。它运转良好，训练也很好。但是当我试图保存那个模型时，我会得到一个错误。由于某些原因，它在训练前成功地保存，但是当我尝试在训练后保存它时，它不起作用。
平台: Arch Linux。Tensorflow是从官方的arch repos安装的，软件包“”，版本2.9.1-1。与cuda 11.7.0-2一起工作。Python 3.10.5-1
我的一段代码：
model = keras.Sequential([
keras.Input((None, None, 1),),
keras.layers.Conv2D(32, (8, 8), padding='sa
浏览 4提问于2022-06-12得票数 0
下面的整个函数给了我下面的错误，如果我取走的话这个函数工作得很好
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
result = image.eval(session = sess)
print(result)
但我需要将图像从张量转换为numpy数组，以评估它是否是具有低.std()的空白图像，然后决定不将其包含在训练数据中……
使用上面的tf.Session()函数似乎会影响其他函数调用：
tfrecord_dataset = tfrecord_
浏览 0提问于2020-11-28得票数 0
向TensorFlow数据集添加列的最佳方式(就运行时和最佳实践而言)是什么？
假设dataset是通过make_csv_dataset从CSV生成的PrefetchDataset。我想添加一个基于dataset的已有功能列A的功能列B。
我试着改编教程中的代码(参见函数PackNumericFeatures())来创建类
class add_column(object):
def __call__(self, features, labels):
features['B'] = tf.map_fn(
lambda x: le
浏览 35提问于2020-02-12得票数 2
我在一个typing.NamedTuple中使用-based元素类型。这方面的一个例子如下。
# You can run all the code in this question by pasting all
# the code blocks consecutively into a Python file
import tensorflow as tf
from typing import *
from random import *
from pprint import *
class Coord(NamedTuple):
x: float
y: float
浏览 1提问于2020-06-11得票数 6
Tensorflow覆盖Tensor类、等的多个运算符。
但是，__eq__ 的实现
ops.Tensor._override_operator("__lt__", gen_math_ops.less)
ops.Tensor._override_operator("__le__", gen_math_ops.less_equal)
ops.Tensor._override_operator("__gt__", gen_math_ops.greater)
ops.Tensor._override_operator("__ge__",
浏览 3提问于2017-10-17得票数 2
回答已采纳
1回答
我有一个多类分类数据，其中目标有11个类。我正在尝试用Keras建立一个神经网络。我使用softmax作为激活函数，categorical_crossentropy作为损失函数。我有一个热编码的目标，然后把它传递到网络。我面临的问题是，我应该为此使用哪个Keras度量？正式文件没有提到适合于多类分类的度量。
这链接提到使用categorical_accuracy作为多类分类的度量标准，但除此之外，这个站点上的所有其他问题都是关于这和这链接等多标签分类指标的。
是否有使用自定义度量函数在Keras中使用f1_score的实现，因为我猜f1_score是用于多类分类的度量？
编辑1:
使用Kera
浏览 0提问于2021-12-14得票数 1
回答已采纳
在autograph部分的tensorflow文档中，我们有以下代码片段 @tf.function
def train(model, optimizer):
train_ds = mnist_dataset()
step = 0
loss = 0.0
accuracy = 0.0
for x, y in train_ds:
step += 1
loss = train_one_step(model, optimizer, x, y)
if tf.equal(step % 10, 0):
tf.print('Step',
浏览 35提问于2019-03-22得票数 0
回答已采纳
1回答
上下文:我试图让一个GAN从一个大的数据集生成图像，并且在加载训练数据时遇到了OOM问题。为了解决这个问题，我试图传递一个文件目录的列表，并且只在需要的时候将它们作为图像读取。
问题:我不知道如何从张量本身解析文件名。如果有人对如何将张量转换回列表或以某种方式迭代张量有任何见解。或者，如果这是解决这个问题的坏方法，请告诉我。
相关代码片段：
生成数据:注意：make_file_list()返回我想要读取的所有图像的文件名列表
data = make_file_list(base_dir)
train_dataset = tf.data.Dataset.from_tensor_slices(da
浏览 10提问于2022-04-24得票数 0
回答已采纳
>> A = tf.Tensor([4135047. 1193752.], shape=(2,), dtype=float32)
>> B = tf.Tensor(
[1226019. 4135047. 4135047. 4169911. 1193752. 4135047. 4135047. 4135047.],
shape=(8,), dtype=float32
)
>> compare_1 = tf.math.equal(B, A[0])
tf.Tensor([False True True F
浏览 8提问于2022-10-25得票数 1
回答已采纳
我正在尝试让这个函数接受单个元素张量。 def classi(i):
out = np.zeros((1, 49), np.uint8)
for j in range(len(classcount)):
i -= classcount[j]
if i<0:
break
out[0][j] += 1
return tf.convert_to_tensor(out)
#basically the error seems to be related to the if i<0 line 此函
浏览 25提问于2020-12-16得票数 0
回答已采纳
阅读TensorArray:
def __init__(self, size):
self.obs_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.obs2_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.act_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.rew_bu
浏览 3提问于2021-02-17得票数 2
回答已采纳
1回答
我是tensorflow的新手，我正在尝试建立一个具有密集flipout层的贝叶斯神经网络。我的代码如下所示： from tensorflow.keras.models import Sequential
import tensorflow_probability as tfp
import tensorflow as tf
def train_BNN(training_data, training_labels, test_data, test_labels, layers, epochs):
bayesian_nn = Sequential()
nbr_samples, dim
浏览 30提问于2019-02-23得票数 2
我正在学习TF 2，但由于某些原因，我需要在项目中使用TF 1。
然而，当我在if中使用张量作为布尔条件时，出现了一个问题。为了简单演示，我将使用以下示例。
import tensorflow as tf
a = tf.constant(2.0)
if a :
print('hi')
错误：using a `tf.Tensor` as a Python `bool` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function.
我希望类型
浏览 0提问于2020-05-07得票数 0
我正在尝试在我的模型中使用带有hub.KerasLayer的nnlm-en-dim50预训练模块来进行文本分类和序列标记。该模型在普通tf.keras.layers.Embedding下运行良好，但当切换到KerasLayers时：
text_input_layer = tf.keras.Input(shape=(None, ), dtype=tf.string, name='Input_1')
hub_layer = hub.KerasLayer("https://tfhub.dev/google/tf2-preview/nnlm-en-dim50-with-norm
浏览 24提问于2020-03-11得票数 2
我正在尝试创建类似于Word2Vec的东西，如下所示：
class Word2Vec(keras.Model):
def __init__(self, vocab_size, embedding_dim):
super().__init__()
self.embedding = keras.layers.Embedding(
vocab_size,
embedding_dim,
浏览 1提问于2021-03-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
