Набор данных TensorFlow 2.0 .__ iter __ () поддерживается только тогда, когда включено активное выполнение

Question

Я использую следующий пользовательский обучающий код в TensorFlow 2:

def parse_function(filename, filename2):
    image = read_image(fn)
    def ret1(): return image, read_image(fn2), 0
    def ret2(): return image, preprocess(image), 1
    return tf.case({tf.less(tf.random.uniform([1])[0], tf.constant(0.5)): ret2}, default=ret1)

dataset = tf.data.Dataset.from_tensor_slices((train,shuffled_train))
dataset = dataset.shuffle(len(train))
dataset = dataset.map(parse_function, num_parallel_calls=4)
dataset = dataset.batch(1)
dataset = dataset.prefetch(buffer_size=4)

@tf.function
def train(model, dataset, optimizer):
    for x1, x2, y in enumerate(dataset):
        with tf.GradientTape() as tape:
            left, right = model([x1, x2])
            loss = contrastive_loss(left, right, tf.cast(y, tf.float32))
        gradients = tape.gradient(loss, model.trainable_variables)
        optimizer.apply_gradients(zip(gradients, model.trainable_variables))

siamese_net.compile(optimizer=tf.keras.optimizers.RMSprop(learning_rate=1e-3))
train(siamese_net, dataset, tf.keras.optimizers.RMSprop(learning_rate=1e-3))

Этот код выдает мне ошибку:

dataset.__iter__() is only supported when eager execution is enabled.

Однако, это в TensorFlow 2.0, так чтовключен по умолчанию.tf.executing_eagerly() также возвращает «True».

Answer 1

Я исправил это, изменив функцию поезда на следующее:

def train(model, dataset, optimizer):
    for step, (x1, x2, y) in enumerate(dataset):
        with tf.GradientTape() as tape:
            left, right = model([x1, x2])
            loss = contrastive_loss(left, right, tf.cast(y, tf.float32))
        gradients = tape.gradient(loss, model.trainable_variables)
        optimizer.apply_gradients(zip(gradients, model.trainable_variables))

Два изменения: удаление функции @ tf.f и исправление перечисления.

Answer 2

Я исправил это, включив активное выполнение сразу после импорта тензорного потока:

import tensorflow as tf

tf.enable_eager_execution()

Ссылка: Tensorflow