数据集映射表中的Tensorflow特征列已经初始化问题

Question

我在尝试在传递给 Dataset map 方法的函数中使用 Tensorflow 的 feature_column 映射时遇到了问题。当尝试使用 Dataset.map 将数据集的分类字符串特征作为输入管道的一部分进行一次热编码时，就会发生这种情况。我收到的错误消息是： tensorflow.python.framework.errors_impl.FailedPreconditionError: 表已经初始化。

以下代码是重现问题的基本示例：

import numpy as np    
import tensorflow as tf
from tensorflow.contrib.lookup import index_table_from_tensor

# generate tfrecords with two string categorical features and write to file
vlists = dict(season=['Spring', 'Summer', 'Fall', 'Winter'],
              day=['Sun', 'Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat'])

writer = tf.python_io.TFRecordWriter('test.tfr')
for s,d in zip(np.random.choice(vlists['season'],50), 
               np.random.choice(vlists['day'],50)):
    example = tf.train.Example(
        features = tf.train.Features(
            feature={
                'season':tf.train.Feature(
                    bytes_list=tf.train.BytesList(value=[s.encode()])),
                'day':tf.train.Feature(
                    bytes_list=tf.train.BytesList(value=[d.encode()]))
            }
        )
    )
serialized = example.SerializeToString()
writer.write(serialized)
writer.close()

现在 cwd 中有一个名为 test.tfr 的 tfrecord 文件，有 50 条记录，每条记录由两个字符串特征组成，'season' 和 'day'， 下面将创建一个数据集，它将解析 tfrecords 并创建大小为 4 的批次

def parse_record(element):
    feats = {
        'season': tf.FixedLenFeature((), tf.string),
        'day': tf.FixedLenFeature((), tf.string)
    }
    return tf.parse_example(element, feats)

fname = tf.placeholder(tf.string, [])
ds = tf.data.TFRecordDataset(fname)
ds = ds.batch(4).map(parse_record)

此时，如果您创建一个迭代器并对其多次调用 get_next，它会按预期工作，并且每次运行都会看到如下输出：

iterator = ds.make_initializable_iterator()
nxt = iterator.get_next()
sess.run(tf.tables_initializer())
sess.run(iterator.initializer, feed_dict={fname:'test.tfr'})
sess.run(nxt)
# output of run(nxt) would look like
# {'day': array([b'Sat', b'Thu', b'Fri', b'Thu'], dtype=object), 'season': array([b'Winter', b'Winter', b'Fall', b'Summer'], dtype=object)}

但是，如果我想使用 feature_columns 将这些分类热编码为使用 map 的数据集转换，那么它会运行一次，产生正确的输出，但在随后每次调用 run(nxt) 时，它都会给出表已经初始化的错误，例如：

# using the same Dataset ds from above
season_enc = tf.feature_column.categorical_column_with_vocabulary_list(
    key='season', vocabulary_list=vlists['season'])
season_col = tf.feature_column.indicator_column(season_enc)
day_enc = tf.feature_column.categorical_column_with_vocabulary_list(
    key='day', vocabulary_list=vlists['day'])
day_col = tf.feature_column.indicator_column(day_enc)
cols = [season_col, day_col]

def _encode(element, feat_cols=cols):
    return tf.feature_column.input_layer(element, feat_cols)

ds1 = ds.map(_encode)
iterator = ds1.make_initializable_iterator()
nxt = iterator.get_next()
sess.run(tf.tables_initializer())
sess.run(iterator.initializer, feed_dict={fname:'test.tfr'})
sess.run(nxt)
# first run will produce correct one hot encoded output
sess.run(nxt)
# second run will generate

W tensorflow/core/framework/op_kernel.cc:1192] Failed precondition: Table 
already initialized.
2018-01-25 19:29:55.802358: W tensorflow/core/framework/op_kernel.cc:1192] 
Failed precondition: Table already initialized.
2018-01-25 19:29:55.802612: W tensorflow/core/framework/op_kernel.cc:1192] 
Failed precondition: Table already initialized.

tensorflow.python.framework.errors_impl.FailedPreconditionError: 表 已经初始化了。

但是，如果我尝试手动执行一个热编码而不使用下面的 feature_columns，那么它只有在 map 函数之前创建表时才有效，否则它会在上面给出相同的错误

# using same original Dataset ds
tables = dict(season=index_table_from_tensor(vlists['season']),
              day=index_table_from_tensor(vlists['day']))
def to_dummy(element):
    s = tables['season'].lookup(element['season'])
    d = tables['day'].lookup(element['day'])
    return (tf.one_hot(s, depth=len(vlists['season']), axis=-1),
            tf.one_hot(d, depth=len(vlists['day']), axis=-1))

ds2 = ds.map(to_dummy)
iterator = ds2.make_initializable_iterator()
nxt = iterator.get_next()
sess.run(tf.tables_initializer())
sess.run(iterator.initializer, feed_dict={fname:'test.tfr'})
sess.run(nxt)

似乎它与 feature_columns 创建的索引查找表的范围或命名空间有关，但我不确定如何弄清楚这里发生了什么，我尝试更改 feature_column 的位置和时间对象已定义，但没有任何区别。

Answer 1

我刚通过another recent question 来到这里，想提出一个潜在的解决方案。由于这个问题已经很晚了，我不确定这里的问题是否已经解决。如果已经有好的解决方案，请纠正我。

我真的不知道这个错误是如何发生的。但是从canned estimator 学习，我意识到可能有另一种方法来完成这项工作，即在解析示例之前迭代数据集。这种方法的一个好处是将特征列映射从映射函数分离到数据集。这可能与it is known that以来的未知错误原因有关：

在 tf.data.Dataset.map 函数的“tensorflow.python.ops.gen_lookup_ops”中使用 hash_table 时 因为 tf.data.Dataset.map 没有使用默认图，所以无法初始化 hash_table。

我不确定这是否符合您真正想要的，但在您的代码中使用“test.tfr”生成的一个潜在示例可能是：

import tensorflow as tf

# using the same Dataset ds from above
vlists = dict(season=['Spring', 'Summer', 'Fall', 'Winter'],
              day=['Sun', 'Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat'])
season_enc = tf.feature_column.categorical_column_with_vocabulary_list(
    key='season', vocabulary_list=vlists['season'])
season_col = tf.feature_column.indicator_column(season_enc)
day_enc = tf.feature_column.categorical_column_with_vocabulary_list(
    key='day', vocabulary_list=vlists['day'])
day_col = tf.feature_column.indicator_column(day_enc)
cols = [season_col, day_col]

def _encode(element, feat_cols=cols):
    element = tf.parse_example(element, features=tf.feature_column.make_parse_example_spec(feat_cols))
    return tf.feature_column.input_layer(element, feat_cols)

fname = tf.placeholder(tf.string, [])
ds = tf.data.TFRecordDataset(fname)
ds = ds.batch(4)
ds1 = ds#.map(_encode)
iterator = ds1.make_initializable_iterator()
nxt = iterator.get_next()
nxt = _encode(nxt)

with tf.Session() as sess:
    sess.run(tf.tables_initializer())
    sess.run(iterator.initializer, feed_dict={fname:'test.tfr'})
    print(sess.run(nxt))
    # first run will produce correct one hot encoded output
    print(sess.run(nxt))