Tf.Distribute.Strategy：类型错误：无法将&lt；类&#39；tensorflow.python.distribute.values.PerReplica&#39；&gt；的对象转换为张量

tf.distribute.Strategy: TypeError: Failed to convert object of type lt;class #39;tensorflow.python.distribute.values.PerReplica#39;gt; to Tensor(Tf.Distribute.Strategy：类型错误：无法将lt；类#39；tensorflow.python.distribute.values.PerReplica#39；gt；的对象转换为张量) - IT屋-程序

问题描述

根据TensorFlow网站https://github.com/tensorflow/docs/blob/r1.15/site/en/guide/distribute_strategy.ipynb上的示例判断，似乎没有关于如何使您的代码适应使用分发策略的资源。我的原始代码包括操作张量，例如tf.expand_dims(x, axis=1)。然而，当使用分发策略时，我得到了上述错误，因为expand_dims()不能在PerReplica对象上工作。有关错误的更多详细信息如下：

内容：PerReplica：{ 0/Replica：0/TASK：0/Device：GPU：0：tensor("IteratorGetNext：0"，Shape=(？，2，3)，dtype=flat32，Device=/Replica：0/TASK：0/Device：GPU：0)， 1/Replica：0/TASK：0/Device：GPU：1：tensor("IteratorGetNext_1：0"，Shape=(？，2，3)，dtype=Float32，Device=/Replica：0/TASK：0/Device：GPU：1) )

有人知道这个问题的解决方案吗？

推荐答案

PerReplicaObject通常是通过运行strategy.experimental_run_v2/run(...)返回的，您可以将其视为将这些消息对包装在一起的特殊字典： {第i个GPU名称：由第i个GPU返回的张量}，在您的所有可用设备中。它看起来像一个字典，但不是真正的字典，类PerReplica为许多用例定义了额外的方法/属性here，例如，在分布式上下文下跨设备减少张量。对于您的案例：

 x = strategy.experimental_run_v2(...)
 if strategy.num_replicas_in_sync > 1:  # x is PerReplica object for multi-devices
    tensors_list = x.values             # a list [x_from_dev_a, x_from_dev_b, ...]
    y = tf.concat(tensors_list, axis=0) # axis=0 at batch dim
 else:
    y = x      # x is a tensor as it is for single device

 tf.expand_dims(y, axis=1)

这篇关于Tf.Distribute.Strategy：类型错误：无法将&lt；类&#39；tensorflow.python.distribute.values.PerReplica&#39；&gt；的对象转换为张量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编程学习网！