Keras，tensorflow：变量...的初始化器来自控制流构造，循环或条件

Question

我正在训练一个面具r-cnn模型参考github上的这个代表：https://github.com/matterport/Mask_RCNN

我遇到了一个似乎是使用Keras问题的问题，所以我来到这里。

代码计算感兴趣区域（rois）和特征映射的掩码：

mrcnn_mask = build_fpn_mask_graph(rois, mrcnn_feature_maps,
    config.IMAGE_SHAPE,
    config.MASK_POOL_SIZE,
    config.NUM_CLASSES)

但是，有时rois可能全为零，在这种情况下我想直接返回所有零。所以，我像这样使用tf.cond：

def ff_true():
    mrcnn_mask = build_fpn_mask_graph(rois, mrcnn_feature_maps,
       config.IMAGE_SHAPE,
       config.MASK_POOL_SIZE,
       config.NUM_CLASSES)

def ff_false():
    return tf.zeros_like(target_mask)

mrcnn_mask = KL.Lambda(lambda x: tf.cond(tf.equal(tf.reduce_mean(x), 0), 
    ff_true, ff_true)) (rois)

这引发了一个错误：

ValueError：变量lambda_5 / cond / mrcnn_mask_conv1 / kernel /的初始化器来自控制流构造内部，例如循环或条件。在循环或条件内创建变量时，使用lambda作为初始化程序。

我谷歌它但没有有用的信息。这似乎是错误地使用keras / tensorflow的问题。任何线索都会受到欢迎！

顺便说一句，如果我使用这个代码，它将没有错误（但我不想提前计算）：

a = build_fpn_mask_graph(rois, mrcnn_feature_maps,
    config.IMAGE_SHAPE,
    config.MASK_POOL_SIZE,
    config.NUM_CLASSES)   
def ff_true():
    return a
def ff_false():
    return tf.zeros_like(target_mask)

mrcnn_mask = KL.Lambda(lambda x: tf.cond(tf.equal(tf.reduce_mean(x), 0), 
    ff_true, ff_true)) (rois)

Answer 1

错误基本上就是消息所说的。您不能在条件中包含变量初始值设定项。与普通编程语言的粗略类比是：

if my_condition:
    a = 1
print a    # can't do this. a might be uninitialized.

下面是一个简单的示例来说明此问题以及错误消息中建议的修复：

import tensorflow as tf

def cond(i, _):
  return i < 10

def body(i, _):
  zero = tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero)
  return (i + 1, v.read_value())

def body_ok(i, _):
  zero = lambda: tf.zeros([], dtype=tf.int32)
  v = tf.Variable(initial_value=zero, dtype=tf.int32)
  return (i + 1, v.read_value())

tf.while_loop(cond, body, [0, 0])

这是使用tf.while_loop但是为了这个目的它与tf.cond相同。如果按原样运行此代码，您将收到相同的错误。如果用body替换body_ok，一切都会好的。原因是当初始化程序是一个函数时，张量流可以将其置于“控制流上下文之外”以确保它始终运行。

为了澄清未来读者可能存在的混淆，“首先计算a”的方法并不理想，而是出于微妙的原因。首先，请记住，您在此处所做的是构建计算图（假设您没有使用eager execution）。所以，你实际上并没有计算a。您只是定义如何计算它。 Tensorflow运行时决定在运行时需要计算的内容，具体取决于session.run()的参数。因此，可以预期如果条件为假，则不会执行返回a的分支（因为它不需要）。不幸的是，这不是TensorFlow运行时的工作原理。您可以在第一个答案here中找到更多详细信息，但简单地说，TensorFlow运行时将执行任一分支的所有依赖关系，只有true_fn/false_fn内的操作才会有条件地执行。

Answer 2

使用带有CNN-LSTM的keras时，我也会遇到同样的问题。代码在GPU服务器上工作正常，但是当我尝试在我的本地机器上运行时，得到了这个奇怪的错误。

以下技巧对我有用。

解决方案：清除变量并重新启动内核。这对我有用。也许其他人遇到完全相同的问题，我将会有所帮助。