TensorFlow embedding_rnn_decoder 'Tensor' 对象不可迭代答案

【问题标题】：TensorFlow embedding_rnn_decoder 'Tensor' object is not iterableTensorFlow embedding_rnn_decoder 'Tensor' 对象不可迭代
【发布时间】：2017-08-16 22:18:26
【问题描述】：

我正在尝试为我的 ML Engine 包构建一个自定义估算器，但我似乎无法以正确的格式正确构建我的解码器输入序列。考虑以下情况，其中 label1、label2 应该是标签序列。

label1, label2 = tf.decode_csv(rows, record_defaults=[[""], [""]])
labels = tf.stack([label1, label2], axis=1)
label_index = tf.contrib.lookup.index_table_from_file(
    vocabulary_file = label_file)
label_idx = label_index.lookup(labels)
features = dict(zip(['decoder_input'], [label_idx]))

这些“特征”然后作为解码器输入传递，如下所示。当我使用decoder_input 作为我的自定义估计器的输入时，我遇到了一个错误'TypeError：'Tensor' object is not iterable。这里：

outputs, state = tf.contrib.legacy_seq2seq.embedding_rnn_decoder(
    decoder_inputs = features['decoder_input'],
    initial_state = curr_layer,
    cell = tf.contrib.rnn.GRUCell(hidden_units),
    num_symbols = n_labels,
    embedding_size = embedding_dims, # should not be hard-coded
    feed_previous = False)

完整的堆栈跟踪（如下）表明导致问题的代码部分是针对'for i in decoder_inputs' from line 296 的，所以我很清楚问题在于我如何在 input_fn() 中构造我的解码器输入。但是，我似乎无法弄清楚如何使张量对象成为可迭代的序列列表。

堆栈跟踪：

File "/Users/user/anaconda/envs/tensorflow-

  cloud/lib/python2.7/sitepackages/tensorflow/contrib/legacy_seq2seq/python/ops/seq2seq.py", line 296, in embedding_rnn_decoder
    for i in decoder_inputs)
  File "/Users/user/anaconda/envs/tensorflow-cloud/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 541, in __iter__
    raise TypeError("'Tensor' object is not iterable.")
TypeError: 'Tensor' object is not iterable.

谁能帮助找出我应该如何正确格式化我的标签，以便它们可以迭代？文档说 decoder_inputs 应该是“一维批量 int32 张量（解码器输入）的列表”。所以我想通过 sta 有没有比 tf.stack() 更合适的方式来生成标签序列？

【问题讨论】：

似乎期待 features['decoder_input'] 成为一个列表。你的情况是什么？
是的，它正在寻找一维张量的列表。我相信我提交的只是一个形状为 [2] 的一维张量，它或多或少是从 tf.stack([label1, label2], axis=1) 生成的——我想我的问题更具体地说是如何创建一维张量列表。是不是像 [label1, label2] 而不是 tf.stack([label1, label2]) 这么简单？
它想要它作为一个列表。如果其中只有一两个项目，那么没有太多理由使用 RNN。如果您想让 RNN 使用单个输入，只需将其包裹在方括号中，以便将其视为张量列表。
项目明显多于 2 个，我只是想为这篇文章创建一个简单的示例。
啊，然后使用 tf.unstack 函数将张量拆分为张量列表。

标签： python tensorflow google-cloud-ml-engine

【解决方案1】：

label_idx 值不是一个列表，因此您面临这个问题：

下面的例子应该更清楚：

label_idx = 1

features = dict(zip(['decoder_input'], [label_idx]))

features['decoder_input']

# 1 output

好像我将 label_idx 更改为列表：

label_idx = [1]

features = dict(zip(['decoder_input'], [label_idx]))

features['decoder_input']

# [1] output

您还可以简化创建字典的方式：

features = {'decoder_input': [label_idx]} # if label_idx is a value
features = {'decoder_input': label_idx} # if label_idx is a list

【讨论】：