在 Eager 模式下计算两个嵌入时发生梯度错误

Question

当我尝试在 Eager 模式下使用 tensorflow 重写 dynet project 时，出现以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: cannot compute ConcatV2 as input #1 was expected to be a float tensor but is a int32 tensor [Op:ConcatV2] name: concat

我试图定位错误并简化代码，然后发现在eager模式下在一个动态图中计算两个embedding时，会出现错误。

在静态图模式下添加两个embedding没有错误。

with tf.Graph().as_default():
    emb = tf.keras.layers.Embedding(10000, 50)
    emb2 = tf.keras.layers.Embedding(10000, 50)
    y_ = emb(tf.constant(100)) + emb2(tf.constant(100))
    y = tf.ones((1, 50))
    loss = tf.reduce_sum(y - y_)
    optimizer = tf.train.MomentumOptimizer(0.2,0.5).minimize(loss)
    init = tf.global_variables_initializer()
    with tf.Session() as sess:
        sess.run(init)
       sess.run(fetches=[loss, optimizer])

但是当我在 Eager 模式下运行以下代码时，出现了错误。

tfe.enable_eager_execution()

def loss(y):
    emb = tf.keras.layers.Embedding(10000,50)
    emb2 = tf.keras.layers.Embedding(10000,50)
    y_ = emb(tf.constant(100)) + emb2(tf.constant(100))
    return tf.reduce_sum(y - y_)

y = tf.ones((1, 50))
grads = tfe.implicit_gradients(loss)(y)
tf.train.MomentumOptimizer(0.2, 0.5).apply_gradients(grads)

Eager 模式下的代码有什么问题，如何计算 Eager 模式下的两个嵌入？

Answer 1

这里发生了两件事：

1. 我认为这是一个因急切执行而引入的错误，我为此提交了https://github.com/tensorflow/tensorflow/issues/18180。我认为这在 1.6 版中不存在，所以也许你可以在此期间尝试一下。

2. 也就是说，我注意到您在损失函数中定义了一个Embedding 层对象。这意味着每次调用loss 都会创建一个新的Embedding，这可能不是您想要的。相反，您可能希望将代码重组为：

   emb = tf.keras.layers.Embedding(10000,50) emb2 = tf.keras.layers.Embedding(10000,50)

   定义损失（y）： y_ = emb(tf.constant(100)) + emb2(tf.constant(100)) 返回 tf.reduce_sum(y - y_)

通过急切执行，参数所有权更加“Pythonic”，因为与Embedding 对象（emb 和emb2）关联的参数具有创建它们的对象的生命周期。

希望对您有所帮助。