如何修正Tensorflow 1.14.0rc中的“分片分配与预期类型不兼容”的问题？

Question

我正在尝试在tensorflow 1.14.0中实现滑动DFT算法，并且使用tf.function，这样我就不用担心控制流了，但是我遇到了一个问题。当我试图用变量中的另一个元素分配变量的一个元素时，我会收到一个错误，涉及到块分配中不兼容的类型。

我尝试过使用tf.scatter更新、tf分配，并且只使用一个典型的片分配，但是这些都没有起作用。

    @tf.function
    def sdft_func(self,input_tensor):
        for i in range(self.N_t):
        #retrieving variables so that I have direct access to it
        #instead of getting access to the read tensor
        _, _, self.in_s = self.get_variables()
        last = self.in_s[self.N_t-1]
        for j in range(self.N_t,0,-1):
            _, _, self.in_s = self.get_variables()
            val = self.in_s[j-1]
            #The line below gives the error
            self.in_s = self.in_s[j].assign(val)
            print(self.in_s)

我得到的错误如下：

TypeError:在op中，输入类型(tf.complex64、tf.int32、tf.complex64)与预期类型(tf.complex64_ref、tf.int32、tf.complex64)不兼容

提前谢谢你！

Answer 1

我似乎缩小了问题的范围，因为我必须尝试在tf.complex64函数中设置tf.function变量。因此，为了克服这一问题，我简单地将操作抽象出来，以便变量设置在tf.function函数之外完成。解决办法见下文：

    def sdft_func(self,input_tensor):

        @tf.function
        def func(input_tensor,N_t,in_s,coeffs,freqs):
            in_s = tf.identity(in_s)
            coeffs = tf.identity(coeffs)
            freqs = tf.identity(freqs)


            for i in range(N_t):
                last = in_s[self.N_t-1]

                in_s = in_s[:-1]
                new_val = tf.expand_dims(tf.complex(input_tensor[i],
                                tf.cast(0.0,dtype=tf.float32)),0)

                in_s = tf.concat([new_val,in_s],axis=0)
                    delta = in_s[0] - last

                freqs_2 = tf.TensorArray(tf.complex64,size=self.N)

                for j in range(self.N_t):
                    freqs_2 = freqs_2.write(j,(freqs[j]+delta)*coeffs[j])
                freqs = freqs_2.stack()
                freqs.set_shape([self.N])

            return freqs,in_s

        new_freqs, new_in_s = func(input_tensor,self.N_t,
                self.in_s,self.coeffs,self.freqs)

        self.in_s = self.in_s.assign(new_in_s)
        self.freqs = self.freqs.assign(new_freqs)