TensorFlow：tf.contrib.data API 中的“无法按值捕获有状态节点”

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() 来实现这一点：

# 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执行此操作失败。

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。对于这个特定的示例，它们不必是。

有没有办法让 Ops，特别是 tf.Variable 对象无状态？

由于我使用的是tf.layers，因此我不能简单地将它们创建为常量，并且设置trainable=False 也不会创建常量，只是不会将变量添加到GraphKeys.TRAINABLE_VARIABLES 集合中。

Answer 1

不幸的是，tf.Variable 本质上是有状态的。但是，仅当您使用 Dataset.make_one_shot_iterator() 创建迭代器时才会出现此错误。* 为避免此问题，您可以改用 Dataset.make_initializable_iterator()，但需要注意的是，您还必须在返回的迭代器上运行 iterator.initializer之后 为输入管道中使用的 tf.Variable 对象运行初始化程序。

---

* 造成这种限制的原因是 Dataset.make_one_shot_iterator() 的实现细节以及它用于封装数据集定义的工作在进行中的 TensorFlow 函数 (Defun) 支持。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，因此我们正在研究放宽这一限制的方法。