计算编辑距离(feed_dict错误)

Question

我已经在tensorflow中编写了一些代码，以计算一个字符串和一组字符串之间的编辑距离。我无法弄清楚这个错误。

import tensorflow as tf
sess = tf.Session()
# Create input data
test_string = ['foo']
ref_strings = ['food', 'bar']
def create_sparse_vec(word_list):
    num_words = len(word_list)
    indices = [[xi, 0, yi] for xi,x in enumerate(word_list) for yi,y in enumerate(x)]
    chars = list(''.join(word_list))
    return(tf.SparseTensor(indices, chars, [num_words,1,1]))

test_string_sparse = create_sparse_vec(test_string*len(ref_strings))
ref_string_sparse = create_sparse_vec(ref_strings)
sess.run(tf.edit_distance(test_string_sparse, ref_string_sparse, normalize=True))

此代码有效，运行时，它会产生输出：

array([[ 0.25],
       [ 1.  ]], dtype=float32)

但是，当我试图通过稀疏的占位符中的稀疏张量来做到这一点时，我会遇到一个错误。

test_input = tf.sparse_placeholder(dtype=tf.string)
ref_input = tf.sparse_placeholder(dtype=tf.string)
edit_distances = tf.edit_distance(test_input, ref_input, normalize=True)
feed_dict = {test_input: test_string_sparse,
             ref_input: ref_string_sparse}
sess.run(edit_distances, feed_dict=feed_dict)

这是错误追溯：

Traceback (most recent call last):
  File "<ipython-input-29-4e06de0b7af3>", line 1, in <module>
    sess.run(edit_distances, feed_dict=feed_dict)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py", line 372, in run
run_metadata_ptr)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py", line 597, in _run
    for subfeed, subfeed_val in _feed_fn(feed, feed_val):
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py", line 558, in _feed_fn
    return feed_fn(feed, feed_val)
  File "/usr/local/lib/python3.4/dist-packages/tensorflow/python/client/session.py", line 268, in <lambda>
    [feed.indices, feed.values, feed.shape], feed_val)),
TypeError: zip argument #2 must support iteration

知道这里发生了什么？

Answer 1

tl; dr：对于create_sparse_vec()的返回类型，使用tf.SparseTensorValue代替tf.SparseTensor。

此处的问题来自create_sparse_vec()的返回类型，即tf.SparseTensor，在呼叫sess.run()中的feed value 。

当您喂食（密集）tf.Tensor时，预期值类型是一个numpy数组（或某些可以转换为数组的对象）。当您喂食tf.SparseTensor时，预期值类型是tf.SparseTensorValue，类似于tf.SparseTensor，但其indices，values和shape属性是numpy阵列（或某些可以转换为阵列的对象，例如示例中的列表。

以下代码应起作用：

def create_sparse_vec(word_list):
    num_words = len(word_list)
    indices = [[xi, 0, yi] for xi,x in enumerate(word_list) for yi,y in enumerate(x)]
    chars = list(''.join(word_list))
    return tf.SparseTensorValue(indices, chars, [num_words,1,1])