输入张量 <name> 进入形状为 () 的循环，但在一次迭代后形状为 <unknown>

Question

tf.function我正在尝试使用贪婪解码方法保存模型。该代码经过测试并按预期在急切模式（调试）下工作。但是，它在非急切执行中不起作用。该方法被调用namedtuple，Hyp如下所示：Hyp = namedtuple(    'Hyp',    field_names='score, yseq, encoder_state, decoder_state, decoder_output')while 循环的调用方式如下：_, hyp = tf.while_loop(    cond=condition_,    body=body_,    loop_vars=(tf.constant(0, dtype=tf.int32), hyp),    shape_invariants=(        tf.TensorShape([]),        tf.nest.map_structure(get_shape_invariants, hyp),    ))这是以下的相关部分body_：def body_(i_, hypothesis_: Hyp):    # [:] Collapsed some code ..    def update_from_next_id_():        return Hyp(            # Update values ..        )    # The only place where I generate a new hypothesis_ namedtuple    hypothesis_ = tf.cond(        tf.not_equal(next_id, blank),        true_fn=lambda: update_from_next_id_(),        false_fn=lambda: hypothesis_    )    return i_ + 1, hypothesis_我得到的是ValueError：ValueError: Input tensor 'hypotheses:0' enters the loop with shape (), but has shape <unknown> after one iteration. To allow the shape to vary across iterations, use the 形状不变量 argument of tf.while_loop to specify a less-specific shape.这里可能有什么问题？以下是如何input_signature定义tf.function我想序列化的。这self.greedy_decode_impl是实际的实现 - 我知道这有点难看，但这self.greedy_decode就是我所说的。

Answer 1

好吧，事实证明

tf.concat([hypothesis_.yseq, next_id], axis=0),

本来应该是

tf.concat([hypothesis_.yseq, next_id], axis=-1),

公平地说，错误消息有点提示您在哪里查看，但“有帮助”不足以描述它。我TensorSpec通过连接错误的轴来违反了，仅此而已，但 Tensorflow 还无法直接指向受影响的张量。