如何使用 tensorflow 的 Dataset API Iterator 作为（循环）神经网络的输入？

Question

当使用 tensorflow 的 Dataset API 迭代器时，我的目标是定义一个 RNN，它在迭代器的 get_next() 张量上运行作为其输入（参见代码中的 (1)）。

但是，简单地将dynamic_rnn 定义为get_next() 作为其输入会导致错误：ValueError: Initializer for variable rnn/basic_lstm_cell/kernel/ is from inside a control-flow construct, such as a loop or conditional. When creating a variable inside a loop or conditional, use a lambda as the initializer.

现在我知道一种解决方法是简单地为 next_batch 创建一个占位符，然后为张量 eval() 创建一个占位符（因为您不能传递张量本身）并使用 feed_dict 传递它（参见 X 和(2) 在代码中）。 但是，如果我理解正确，这不是一个有效的解决方案，因为我们首先评估然后重新初始化张量。

有没有办法：

1. 直接在迭代器的输出之上定义dynamic_rnn；

或：

1. 以某种方式直接将现有的get_next() 张量传递给作为dynamic_rnn 输入的占位符？

完整的工作示例； (1) 版本是我想要工作的，但它没有，而(2) 是有效的解决方法。

import tensorflow as tf

from tensorflow.contrib.rnn import BasicLSTMCell
from tensorflow.python.data import Iterator

data = [ [[1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ]
dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(2)
iterator = Iterator.from_structure(dataset.output_types,
                                   dataset.output_shapes)
next_batch = iterator.get_next()
iterator_init = iterator.make_initializer(dataset)

# (2):
X = tf.placeholder(tf.float32, shape=(None, 3, 1))

cell = BasicLSTMCell(num_units=8)

# (1):
# outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, next_batch, dtype=tf.float32)

# (2):
outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(iterator_init)

    # (1):
    # o, s = sess.run([outputs, states])
    # o, s = sess.run([outputs, states])

    # (2):
    o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})
    o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})

（使用 tensorflow 1.4.0，Python 3.6。）

非常感谢:)

Answer 1

原来这个神秘的错误很可能是 tensorflow 中的一个错误，请参阅https://github.com/tensorflow/tensorflow/issues/14729。更具体地说，错误确实来自输入错误的数据类型（在我上面的示例中，data 数组包含 int32 值，但它应该包含浮点数）。

而不是得到ValueError: Initializer for variable rnn/basic_lstm_cell/kernel/ is from inside a control-flow construct 错误，
tensorflow 应该返回：
TypeError: Tensors in list passed to 'values' of 'ConcatV2' Op have types [int32, float32] that don't all match.（参见1）。

要解决这个问题，只需更改
data = [ [[1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ]
致
data = np.array([[ [1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ], dtype=np.float32)

然后下面的代码应该可以正常工作了：

import tensorflow as tf
import numpy as np

from tensorflow.contrib.rnn import BasicLSTMCell
from tensorflow.python.data import Iterator

data = np.array([[ [1], [2], [3]], [[4], [5], [6]], [[1], [2], [3]] ], dtype=np.float32)
dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.batch(2)
iterator = Iterator.from_structure(dataset.output_types,
                                   dataset.output_shapes)
next_batch = iterator.get_next()
iterator_init = iterator.make_initializer(dataset)

# (2):
# X = tf.placeholder(tf.float32, shape=(None, 3, 1))

cell = BasicLSTMCell(num_units=8)

# (1):
outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, next_batch, dtype=tf.float32)

# (2):
# outputs, states = lstm_outputs, lstm_states = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    sess.run(iterator_init)

    # (1):
    o, s = sess.run([outputs, states])
    o, s = sess.run([outputs, states])

    # (2):
    # o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})
    # o, s = sess.run([outputs, states], feed_dict={X: next_batch.eval()})