我正试图迭代两个批处理大小均为32的数组，但其中有嵌套的tf.vectorize_maps，因此每个数组一个，但它们的形状不同，因此：(32,12-1,4)和(321024,4)但我在嵌套的tf.function中的trainging_step中的model.fit/model.train_on_batch中做这件事。我得到了这个错误。
我得到了这个错误：
tf.vectorized Input to reshape is a tensor with 98304 values, but the requested shape has 288.
尝试修复或原创。
IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues:
tfytrue(ytrue[batch],ypredValues),ypred[batch]),tf.range(32))
IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues: tfytrue(batch[0],ypredValues),batch[1]),(ytrue,ypred))
它在批索引相同时工作：
IoUs = tf.vectorized_map(lambda batch: tf.vectorized_map(lambda ypredValues: tfytrue(batch[1],ypredValues),batch[1]),(ytrue,ypred`))
但这是愚蠢的，因为我不能parrel-map批量大小并使用相同的数组：也许它在其他矢量化的_maps中，但如果有人能帮忙，那就太好了。我使用tf.vectorized的原因是速度比map_fn增加了大约3000倍，并且我能够使用numpy作为tf.py_func，而tf.numpy_array返回了无效的占位符值。
但它确实适用于elems=(ytrue，ypred)，但不适用于model.fit或model.train_on_batch.
RegLoss = tfIoU(batch[1],self.RPN(batch[0])[0])
工作很好，但在train_on_batch/model.fit在我的自定义train_step tfIoU(ytrue，ypred)中：
Input to reshape is a tensor with 393216 values, but the requested shape has 4608
没有发生整形，它可以追溯到批量矢量化地图
我的问题是，因为它第一次起作用，就像它为tf.vectorized贴图设置形状一样，所以第二次不起作用
所以(32，12，4)工作，然后(32，8，4)失败，然后颠倒顺序，他们也这样做，有人能帮忙吗
它是tf.function()；它只能在最后一个嵌套函数上，因为无论它的CCD_。