tensorflow错误： TypeError: Tensor objects are only iterable when eager execution is enabled.

最近在使用tensorflow搭建seq2seq模型，本来encoder层使用tf.nn.dynamic_rnn时是没有问题的，但是换成tf.nn.bidirectional_dynamic_rnn后，出现了如下错误：

TypeError: Tensor objects are only iterable when eager execution is enabled. To iterate over this tensor use tf.map_fn.

经过一番调研发现，错误的原因在于decoder层的tf.nn.dynamic_rnn()，这个函数有一个参数initial_state，当改成双向LSTM后，这个参数的传递值格式是错误的！

那为什么原来使用单向lstm的时候，states没有错，而换成双向lstm后就不对了呢？

原因：

我们定义lstm_cell时，有个参数是state_is_tuple，这个参数的默认值是True，接下来的分析也都基于这个参数是True来讨论。也就是说states本身就是个tuple，格式为（c,h）,其中c代表传递值，h代表输出值，c/h的维度均为（batchsize, rnnsize）

我们的decoder中肯定是使用单向lstm tf.nn.dynamic_rnn()，它的参数initial_state需要的格式就是(c,h)

当我们的encoder使用 tf.nn.dynamic_rnn()时，它返回的states就是一个元组（c,h），这正是decoder需要的初始状态。

然而当我们的encoder使用tf.nn.bidirectional_dynamic_rnn时，它返回的states是二维元组，格式为（（c_forward,h_forward）,(c_back,h_back）)

所以如果你想使用tf.concat()直接对前向和后向的state进行拼接时，格式就是错误的。

正确的做法：

先使用tf.concat()将前向和后向的c/h拼接， 再使用tf.contrib.rnn.LSTMStateTuple（）函数将他们合成一个tensorflow tuple

output,states= tf.nn.bidirectional_dynamic_rnn(self.lstm_fw_cell, self.lstm_bw_cell, q_feature,sequence_length = self.sentence_length,dtype=tf.float32)
output = tf.concat(output,axis=-1)#batch,len,2*rnnsize
states_c = tf.concat([states[0][0],states[1][0]],axis=-1)#batch,2*rnnsize
states_h = tf.concat([states[0][1],states[1][1]],axis=-1)

return output,tf.contrib.rnn.LSTMStateTuple(states_c,states_h)

建议大家还是把tensorflow中cell、lstm的各种参数过一下！参考 https://blog.csdn.net/cerisier/article/details/80135999