你能帮忙'tf.vectorize_map'形状输出错误吗

Question

我正在尝试迭代两个批量大小均为 32 的数组，但其中包含嵌套的 tf.vectorize_maps，因此每个数组都有一个，但它们的形状不同，因此：(32,12-1,4) 和 (32, 1024,4) 但我在嵌套 tf.function 内的 training_step 内的 model.fit/model.train_on_batch 内执行此操作。我得到了这个错误。

我得到这个错误：

tf.vectorized Input to reshape is a tensor with 98304 values, but the requested shape has 288.

尝试修复或原创。

IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues: 
tfytrue(ytrue[batch],ypredValues),ypred[batch]),tf.range(32)) 

IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues: tfytrue(batch[0],ypredValues),batch[1]),(ytrue,ypred))

批量索引相同时有效：

IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues: tfytrue(batch[1],ypredValues),batch[1]),(ytrue,ypred`))

但这很愚蠢，因为我无法对批处理大小进行parrel映射并使用相同的数组：也许它在其他vectorized_maps中，但如果有人可以提供帮助，那就太好了。我使用 tf.vectorized 的原因是速度比 map_fn 提高了大约 3000 倍，并且我能够使用 numpy 作为 tf.py_func 和 tf.numpy_array 返回无效的占位符值。

但它确实适用于 elems=(ytrue,ypred) 但不适用于 model.fit 或 model.train_on_batch。

RegLoss = tfIoU(batch[1],self.RPN(batch[0])[0])

效果很好，但在我的自定义 train_step tfIoU(ytrue,ypred) 中的 train_on_batch/model.fit 内：

 Input to reshape is a tensor with 393216 values, but the requested shape has 4608

没有发生重塑，它可以追溯到批量矢量化地图

我的问题是，因为它第一次工作就像它为 tf.vectorized 地图设置形状一样，所以第二次就不能工作了？

所以 (32,12,4) 工作，然后 (32,8,4) 失败，然后颠倒顺序，他们做同样的事情有人可以帮忙吗？

Answer 1

是tf.function()；它只能在最后一个嵌套函数上，因为无论它的 expermital_relax_shapes=True 是否都意味着形状。