ValueError: tf.function-decorated function tried to create variables on non-first call.

最新推荐文章于 2023-03-30 11:09:23 发布
最新推荐文章于 2023-03-30 11:09:23 发布
阅读量1.8k 收藏 1
点赞数 3
文章标签： tensorflow 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41958434/article/details/124969584
版权

问题：ValueError: tf.function-decorated function tried to create variables on non-first call.

解决方案-当您尝试在TF 2.0中使用函数装饰器时，请在导入TensorFlow后立即启用运行功能。我通过tf.config.experimental_run_functions_eagerly(True)在之后添加来解决此问题import tensorflow。

您可以tf.config.experimental_run_functions_eagerly在tensorflow官方网站链接中找到更多信息。

无敌右脑
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
apache_beam-2.27.0-cp37-cp37m-win_amd64.whl
03-05
Apache Beam是用于批处理和流数据处理的统一编程模型，可实现跨各种分布式执行引擎的高效执行，并提供可扩展性点以连接到不同的技术和用户社区。beam/2.27.0/python
 tf.function-decorated function tried to create variables on non-first call
baidu_38008726的博客
05-12 1079
tf2.0在模型的call()中调用tf.keras.layers.embedding，出错tf.function-decorated function tried to create variables on non-first call 解决方法： 不要再call中调用tf.keras的接口，使其在模型定义的init()方法中定义。 如 `def __init__(): self.embed_seq = tf.keras.layers.Embedding(8874, input_length.
ValueError: tf.function-decorated function tried to create variables on non-
04-28 832
当你在构建自定义keras类时候，如果call中使用已有的layer，需要在__init__中提前定义 比如： def __init__(self, pre_lens=28, window=180, is_teachers=False, name='mul', **kwargs): super(multcn, self).__init__(name=name,**kwargs) self.tcn = TCN( kernel_size=7,
ValueError: tf.function-decorated function tried to create variables on non-first call的解决方式
小乖乖的臭坏坏
03-22 9632
在进行训练过程前，加上以下代码即可： tf.config.experimental_run_functions_eagerly(True) 原因可参考该博文内容： https://blog.csdn.net/weixin_43824178/article/details/99297237
Error-tf.function-decorated function tried to create variables on non-first call
秀呀秀的博客
06-17 765
在tensorflow2中如下保存模型的总是报错: tf.function-decorated function tried to create variables on non-first call .最终找到原因,需要先在__init__函数体中定义好,才能在call中进行调用.
ValueError: tf.function-decorated function tried to create variables on non-first call
豆芽菜
06-21 2425
问题： tf 1x 的代码迁移到 tf 2x时出现错误： ValueError: tf.function-decorated function tried to create variables on non-first call 解决方案： 在model.compiler()之后添加 model.run_eagerly = True 但是对tf 1x 定义的一些函数提示 WARNING:tensorflow:AutoGraph could not transform <functi
Bug之ValueError: tf.function-decorated function tried to create variables on non-first call.
weixin_45870475的博客
07-09 1520
问题描述： tensorflow2.1 搭建模型时报以下错误 ValueError: tf.function-decorated function tried to create variables on non-first call. 原因分析： https://www.it610.com/article/1294519124508090368.htm https://blog.csdn.net/weixin_43824178/article/details/99297237 解决方案： 在model.
ValueError: Creating variables on a non-first call to a function decorated with tf.function.解决方法
weixin_55511645的博客
03-30 371
参考。
关于tf.function简述
small-guo
03-30 1523
目录 本文主要粗浅的讲解tf.function的相关内容，主要分为两块内容，一是tf.function的作用（为什么要有tf.function）。二是在使用tf.function时需要注意的点（tf.function的一些特性） tf.function的作用 通过对比 tf1.x 与 tf2.x eager 与 tf2.x tf.functon进行说明tf.function的作用 tf.1.x 首先从tf1.x的代码风格说起，在tf1.x中，我们需要自行创建一个graph，再把其加载进tf.Session中
Creating variables on a non-first call to a function decorated with tf.function.解决方法！
枫的博客
09-26 1586
Creating variables on a non-first call to a function decorated with tf.function.解决方法！
查看xgb特征重要性输出全是nan，ValueError:’Booster.get_score() results in empty’ 的原因及解决方案
12-21
1 问题描述 我想用XGBoost来建立一个模型，通过特征构造之后我需要做一个特征选择来减少特征数量、降维，使模型泛化能力更强，减少过拟合： 这里尝试通过查看特征重要性来筛选特征： from xgboost import ...
keras报错：ValueError: Cannot create group in read only mode
01-20
keras保存模型时，使用的是m.save_weights，只保存了模型的权重而没有结构，直接使用keras.models.load_model就会报错。所以，可以重新构建相同结构的模型，（m.save_weights）使用m.load_weights；...
python3.7解决最小二乘遇到ValueError:Expected 2D array, got 1D array instead: array=[5.].关于reshape和predict
01-20
ValueError: Expected 2D array, got 1D array instead: array=[5.]. Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single ...
解决Tensorflow2.0 tf.keras.Model.load_weights() 报错处理问题
12-17
4、模型报错：ValueError: You are trying to load a weight file containing 12 layers into a model with 0 layers. 问题分析： 模型创建后还没有编译，一般是在模型加载前调用model.build(input_shape), 但我通过...
TensorFlow2.X——tf.function && Autograph介绍以及使用
一只攻城狮的博客
03-02 1459
tf.function && Autograph介绍以及使用 要获得最佳性能并使模型可在任何地方部署，可以使用tf.function从程序中构建图。 因为有AutoGraph，可以使用tf.function构建高效性能的Python代码。 一、tf.function是将函数编译为可调用的TensorFlow图。 1.tensorflow计算图 计算图是对有向图的表示，主要包含...
Tensorflow2自定义Layers之__init__,build和call详解
等待戈多的博客
02-19 2522
Tensorflow2自定义Layers之__init__,build和call详解闲言碎语：--init--,build和call总结 参考官方链接：https://tensorflow.google.cn/tutorials/customization/custom_layers 闲言碎语： 如果想要自定义自己的Layer，那么使用tf.keras.Layer 来创建自己的类是必不可少的。 但是笔者最近在搞自己的毕设时，遇到了自定义层和tf.function的Error： ValueError: tf.
tensorflow模型中 embedding的权重没有包含在 model中的一个情况
RessCris的博客
06-17 711
先说结论，如果没有显式通过 build， add_weight 或者 tf.Variable 的方式指定权重， 将embedding 层的权重加入模型中的方法是，要把embedding层设置为 self 的属性。有两个很容易犯的错误， 1、由于 Embedding 的处理裹在其他层定义中，直接在 call 里使用，倒是权重读不到 2、在call中进行embedding 定义，倒是模型拟合时报错（应该前置定义完成）正确做法是： 如果转过头来，我们在 call 中定义 Embedding, 则参数会显示ok，但
用 Keras/TensorFlow 2.9 创建深度学习模型的方法总结
drin201312的博客
06-04 4851
前言 Keras 中有 3 种方法可以创建深度学习模型：1. keras.Sequential 模型。 2.函数式 API。3.子类法 subclassing keras.Model。 因为可用的方法很多，灵活性大，实际使用时容易出错。 但是如果建模的目标，是能够表达任意结构的深度学习模型，并且能够看到模型的完整内部结构，那么在创建模型时，有 3 个简单的原则可以使用。.........
tensorflow2.0系列（5）：再说说tf.function
几何君的算法天空
01-22 4947
目录tf.function()Autograph更多阅读python类的super和__init__()的关系： 上一篇啰啰嗦嗦说了很多tf2.0中eager execution和autograph的一些特性，但是感觉还是没有说透，反而让人很迷惑，这次再唠唠tf.function到底有啥奇妙之处。 tf.function() tf1.x中一般的工作流程，就是先创建一个计算图，然后通过tf.Sess...
valueerror: tf.function-decorated function tried to create variables on non-first call.
最新发布
06-28
### 回答1： 这个错误是因为在使用tf.function装饰器的函数中，尝试在非第一次调用时创建变量。tf.function装饰器会将函数转换为TensorFlow图形式，因此在第一次调用时会创建变量，但在后续调用中不应再创建变量。如果需要在每次调用时创建变量，应该避免使用tf.function装饰器。 ### 回答2： 这个错误是由于在TensorFlow 2.0版本中的tf.function（函数）装饰器的使用问题而引起的。tf.function是一个能够将普通Python函数转换为TensorFlow计算图函数的装饰器，它可以提高TensorFlow代码的性能并简化开发人员的设计，是TensorFlow新版本的重要特性之一。 然而，当使用tf.function装饰的函数多次调用时，如果该函数尝试在非第一次调用时创建变量，就会引发此错误。这是由于tf.function会把Python函数编译成可以跨多个输入值和输出值运行的图形化计算图，并将它们存储在内存中，因此一旦定义的变量被存储在了计算图中，就不能更改了。 为了解决这个错误，我们需要确保我们在TensorFlow 2.0中的装饰函数或在其内部逻辑中只创建变量一次。有两种方法可以避免这个错误： 第一种方法是使用tf.function内置变量。通过使用tf.VariableScope内置变量，可以有效地控制变量的作用域，确保在创建变量时只调用一次tf.function装饰函数。这样可以避免在后续的函数调用中对变量的重复创建，从而避免了“ValueError”的问题。 第二种方法是使用tf.Variable代替Python对象。tf.Variable提供了创建和跟踪在TensorFlow计算图中使用的变量的功能。它可以自动持久化和优化变量，实现了可重复性、高效性、可自动获取的模块化性，并且可以自动地调整变量的存储位置来优化计算性能。使用tf.Variable创建变量可以解决ValueError错误，并提高TensorFlow代码的性能。 总之，要避免“ValueError: tf.function-decorated function tried to create variables on non-first call”的问题，我们需要小心使用tf.function装饰器，并遵循TensorFlow的最佳实践来避免重复定义变量。这样，我们就可以顺利地开发高效的TensorFlow代码，并提高其性能和可维护性。 ### 回答3： 这个错误通常在Tensorflow 2.x版本中出现，并且是由于使用`@tf.function`装饰器创建的函数，在调用非首次调用时试图创建变量所导致的。 Tensorflow 2.x引入了`@tf.function`装饰器作为一种优化机制来加速Tensorflow的执行速度。然而，这种装饰器在被调用时会将Python变量转换为Tensorflow变量，这可能会导致某些问题。 通常情况下，Tensorflow变量只能在函数的第一次调用中创建。如果您在函数的第二次或后续调用中尝试创建新的变量，则会出现上述错误。 要解决这个问题，有几个可能的解决方案。首先，请确保在使用`@tf.function`装饰器创建的函数中，变量声明和初始化语句只出现一次。其次，您可以在函数中使用`tf.Variable`而不是Python变量。此外，您可以在每次调用函数之前清空Tensorflow变量。 最后，如果您仍然无法解决这个问题，请尝试删除`@tf.function`装饰器，并使用普通的Python函数来编写您的代码。虽然这可能会影响Tensorflow的执行速度，但是它可以避免由装饰器引起的潜在问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值