TensorFlow:tf.contrib.data API 中的 "Cannot capture a stateful node by value"

Question

对于迁移学习，人们通常使用网络作为特征提取器来创建特征数据集，在该数据集上训练另一个分类器(例如 SVM)。

我想使用 Dataset API ( tf.contrib.data ) 和 dataset.map() 来实现这个:

# feature_extractor will create a CNN on top of the given tensor
def features(feature_extractor, ...):
    dataset = inputs(...)  # This creates a dataset of (image, label) pairs

    def map_example(image, label):
        features = feature_extractor(image, trainable=False)
        #  Leaving out initialization from a checkpoint here... 
        return features, label

    dataset = dataset.map(map_example)

    return dataset

为数据集创建迭代器时，这样做会失败。

ValueError: Cannot capture a stateful node by value.

这是真的，网络的内核和偏差是变量，因此是有状态的。对于这个特定的例子，他们不必是。

有没有办法制作 Ops，特别是 tf.Variable 对象无状态？

因为我正在使用 tf.layers 我不能简单地将它们创建为常量，并设置 trainable=False也不会创建常量，但不会将变量添加到 GraphKeys.TRAINABLE_VARIABLES收藏。

Answer 1

不幸的是，tf.Variable本质上是有状态的。但是，只有在使用 Dataset.make_one_shot_iterator() 时才会出现此错误。创建迭代器。* 为避免该问题，您可以改用 Dataset.make_initializable_iterator() ，但需要注意的是，您还必须运行 iterator.initializer在返回的迭代器上 后 运行 tf.Variable 的初始化程序输入管道中使用的对象。

* 此限制的原因是 Dataset.make_one_shot_iterator() 的实现细节以及正在进行的 TensorFlow 函数 (Defun) 支持它用于封装数据集定义。由于使用查找表和变量等有状态资源比我们最初想象的更受欢迎，我们正在寻找放宽此限制的方法。