tensorflow错误及解决办法

得克特

已于 2023-10-27 11:11:21 修改

阅读量1.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Tensorflow 文章标签： tensorflow 人工智能 python

于 2023-07-24 15:32:56 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_40548136/article/details/128580903

Tensorflow 专栏收录该内容

12 篇文章

订阅专栏

文章列举了在使用TensorFlow时遇到的一些典型错误，如tf.graph节点无数据、图过大、维度不匹配、模型评估时自定义auc计算的问题、预测值不在[0,1]区间、数据输入错误、模型加载不全以及模型签名和操作符不匹配等，并提供了相应的解决策略，如避免使用tf.cond、控制图大小、检查输入维度一致性、添加update_op、正确设置数据解析参数和确保模型完整传输等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

tf.graph
模型评估
- 自定义auc计算
- predictions must be in [0, 1]
数据输入
- tf.decode_csv
- feed dict
tfserving

tf.graph

节点没有数据

tensorflow.python.framework.errors_impl.InvalidArgumentError: Retval[2] does not have value.

通过TensorFlow Retval[0] does not have value启发，怀疑是通过tf.cond构建网络图的时候，一次只走一个分支，导致另一个分支图没有数据，把tf.cond替换后，果然没有错误了。

图过大

GraphDef不能大于2GB
这个错误很多人指向重复的定义tf.constant导致的，我遇到该错误，本质原因也是这个，我使用tf.data.Dataset.from_tensor_slices，该对象也会将数据存到图上，导致图的size过大。

维度不同

Invalid argument: Incompatible shapes: [2560] vs. [2540]

这个问题很烦人，引起问题的原因可能有很多，输入的维度不一致，后续处理不当导致的维度不一致，都有可能，可以结合batch size猜测下问题原因。

模型评估

自定义auc计算

TypeError: Values of eval_metric_ops must be (metric_value, update_op) tuples

这个问题来自我自定义了auc的计算函数，需要添加一个update_op，参考评估过程中实验者的张量流混淆矩阵修改即可。

predictions must be in [0, 1]

tensorflow.python.framework.errors_impl.InvalidArgumentError: assertion failed: [predictions must be in [0, 1]] [Condition x <= y did not hold element-wise:] [x (Sigmoid:0) = ] [[nan][nan][nan]...] [y (head/auc/Cast_1/x:0) = ] [1]
很可能是loss出现NAN导致更新参数后，计算出不合理的预测值。

tensorflow训练模型出现nan

数据输入

tf.decode_csv

Unquoted fields cannot have quotes/CRLFs inside

这个错误是tf在解析数据时node DecodeCSV字段中包含双引号导致的，可以设置decode_csv的参数use_quote_delim=False来解决。
tf.decode_csv() error: “Unquoted fields cannot have quotes/CRLFs inside”

feed dict

TypeError: Cannot interpret feed_dict key as Tensor: Can not convert a bool into a Tensor.

feed dict的输入不是tensor，而是一个bool类型的变量。

tfserving

模型加载不全

报有些变量没有初始化，这里是因为模型传送没有完成，tfserving就读取，有部分权重没有读取到。这种情况在模型较大传输速度较慢时可能容易出现。

grpc._channel._InactiveRpcError: <_InactiveRpcError of RPC that terminated with:
	status = StatusCode.FAILED_PRECONDITION
	details = "Attempting to use uninitialized value dnn/dnn_layer_1/batch_normalization/beta/part_0
	 [[{{node dnn/dnn_layer_1/batch_normalization/beta/part_0/read}}]]"
	debug_error_string = "UNKNOWN:Error received from peer ipv4:10.133.13.16:8500 {grpc_message:"Attempting to use uninitialized value dnn/dnn_layer_1/batch_normalization/beta/part_0\n\t [[{{node dnn/dnn_layer_1/batch_normalization/beta/part_0/read}}]]", grpc_status:9, created_time:"2023-07-20T12:31:15.5256888+00:00"}"

模型签名对不上

模型保存时的签名key没有对应上，对应signature_def_map的key，可以采用默认的tf.saved_model.signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY="serving_default"

Serving signature key \"serving_default\" not found.

op不存在

这个问题有很多情况，我这里是使用阿里DeepRec保存的模型，SparseApplyAdam是DeepRec加速优化的算子，所以我重新用DeepRec提供的tfserving编译解决问题。

Not found: Op type not registered 'SparseApplyAdam' in binary running on

变量参数共享

共享的参数shape不匹配
Tensorflow报错：ValueError: Trying to share variable …, but specified shape … and found shape