tensorflow - 如何使用tensorflow的Dataset API Iterator作为(循环)神经网络的输入？

Question

当使用tensorflow的Dataset API Iterator时，我的目标是定义一个RNN，该RNN对迭代器的get_next()张量进行操作作为其输入(请参阅中的(1)代码)。

但是，简单地使用 get_next() 定义 dynamic_rnn 作为其输入会导致错误:ValueError: Initializer for variable rnn/basic_lstm_cell/kernel/is从控制流构造内部，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。

现在我知道一种解决方法是简单地为 next_batch 创建一个占位符，然后为张量创建 eval() (因为您无法传递张量本身)并且使用 feed_dict 传递它(请参阅代码中的 X 和 (2))。但是，如果我理解正确的话，这不是一个有效的解决方案，因为我们首先评估然后重新初始化张量。

有没有办法:

1. 直接在迭代器的输出之上定义dynamic_rnn；

或者:

如何直接将现有的 get_next() 张量传递给作为 dynamic_rnn 输入的占位符？

完整的工作示例； (1) 版本是我想要的，但它没有，而 (2) 是可行的解决方法。

import tensorflow as tf

from tensorflow.contrib.rnn import BasicLSTMCell
from tensorflow.python.data import Iterator

data = [ [[1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ]
dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(2)
iterator = Iterator.from_structure(dataset.output_types,
                                   dataset.output_shapes)
next_batch = iterator.get_next()
iterator_init = iterator.make_initializer(dataset)

# (2):
X = tf.placeholder(tf.float32, shape=(None, 3, 1))

cell = BasicLSTMCell(num_units=8)

# (1):
# outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, next_batch, dtype=tf.float32)

# (2):
outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(iterator_init)

    # (1):
    # o, s = sess.run([outputs, states])
    # o, s = sess.run([outputs, states])

    # (2):
    o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})
    o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})

(使用tensorflow 1.4.0，Python 3.6。)

非常感谢:)

Answer 1

事实证明，这个神秘错误很可能是 tensorflow 中的一个错误，请参阅 https://github.com/tensorflow/tensorflow/issues/14729 。更具体地说，错误实际上来自于提供了错误的数据类型(在上面的示例中， data 数组包含 int32 值，但它应该包含 float )。

而不是得到 ValueError: Initializer for variable rnn/basic_lstm_cell/kernel/ is from inside a control-flow construct错误，
tensorflow 应该返回:
TypeError: Tensors in list passed to 'values' of 'ConcatV2' Op have types [int32, float32] that don't all match. (参见1)。

要解决此问题，只需更改
data = [ [[1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ]
到
data = np.array([[ [1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ], dtype=np.float32)

然后下面的代码应该可以正常工作:

import tensorflow as tf
import numpy as np

from tensorflow.contrib.rnn import BasicLSTMCell
from tensorflow.python.data import Iterator

data = np.array([[ [1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ], dtype=np.float32)
dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(2)
iterator = Iterator.from_structure(dataset.output_types,
                                   dataset.output_shapes)
next_batch = iterator.get_next()
iterator_init = iterator.make_initializer(dataset)

# (2):
# X = tf.placeholder(tf.float32, shape=(None, 3, 1))

cell = BasicLSTMCell(num_units=8)

# (1):
outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, next_batch, dtype=tf.float32)

# (2):
# outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(iterator_init)

    # (1):
    o, s = sess.run([outputs, states])
    o, s = sess.run([outputs, states])

    # (2):
    # o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})
    # o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})