本文介绍了具有渴望模式的 TF.data.dataset.map(map_func)的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我正在使用启用了 Eager 模式的 TF 1.8.

I am using TF 1.8 with eager mode enabled.

我无法在 mapfunc 中打印示例.当我从 mapfunc 中运行 tf.executing_eagerly() 时,我得到False"

I cannot print the example inside the mapfunc. It when I run tf.executing_eagerly() from within the mapfunc I get "False"

import os
import tensorflow as tf
tf.logging.set_verbosity(tf.logging.ERROR)

tfe = tf.contrib.eager
tf.enable_eager_execution()
x = tf.random_uniform([16,10], -10, 0, tf.int64)
print(x)
DS = tf.data.Dataset.from_tensor_slices((x))


def mapfunc(ex, con):
    import pdb; pdb.set_trace()
    new_ex = ex + con
    print(new_ex)
    return new_ex

DS = DS.map(lambda x: mapfunc(x, [7]))
DS = DS.make_one_shot_iterator()

print(DS.next())

print(new_ex) 输出:

print(new_ex) outputs:

Tensor("add:0", shape=(10,), dtype=int64)

在 mapfunc 之外,它工作正常.但在其中,传递的示例没有值,也没有 .numpy() 属性.

Outside mapfunc, it works fine. But inside it, the passed example does not have a value, nor .numpy() attribute.

推荐答案

tf.data 转换实际上是作为图形执行的,因此 map 函数本身并不会急切地执行.有关此问题的更多讨论,请参阅 #14732.

The tf.data transformations actually execute as a graph, so the body of the map function itself isn't executed eagerly. See #14732 for some more discussion on this.

如果你真的需要 map 函数的急切执行,你可以使用 tf.contrib.eager.py_func,比如:

If you really need eager execution for the map function, you could use tf.contrib.eager.py_func, so something like:

DS = DS.map(lambda x: tf.contrib.eager.py_func(
  mapfunc,
  [x, tf.constant(7, dtype=tf.int64)], tf.int64)
# In TF 1.9+, the next line can be print(next(DS))
print(DS.make_one_shot_iterator().next())

希望对您有所帮助.

请注意,通过将 py_func 添加到数据集,单线程 Python 解释器将在生成的每个元素的循环中.

Note that by adding a py_func to the dataset, the single-threaded Python interpreter will be in the loop for every element produced.

这篇关于具有渴望模式的 TF.data.dataset.map(map_func)的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!

07-27 20:01