如何在 TensorFlow 图中正确引发异常

Question

我想在图形模式（在 TensorFlow 服务中）中根据输入张量的值引发 tf.errors.InvalidArgumentError 异常。

目前我使用 tf.debugging.assert_all_finite，这很好用。由于我不是对错误检查进行断言，而是根据输入引发异常，因此引发显式异常会更好。

我的问题归结为：

如何有条件地执行没有 return 张量的代码
如何引发 tf.errors 异常。

这样做的正确方法是什么？

编辑：一些更多的细节。我想在不使用 tf.debugging 的情况下重新创建以下逻辑（除非这实际上是正确的方法）。

目前我正在检查是否没有像这样的 NaN 值：

assert_op = tf.debugging.assert_all_finite(
    input_data,
    'Cant have nans at beginning or end'
)

Answer 1

您通过邮件给我写信，这可能与 this TF issue about catching exceptions within the graph execution, and 有关。但是，我不确定这是否真的与您相关。这个 TF 问题和 SO 问题是关于如何动态捕获异常，所以基本上在 TF 图中实现 try: ... except: ...。

引入控制结构的其他 TF 功能是：

tf.while_loop
tf.cond

tf.cond 是您如何有条件地执行代码的问题的答案。取决于条件，即 bool 标量。但也许这不是您真正的问题，而是如何制定条件？

有 tf.check_numerics 检查 inf/nan 的张量，如果找到这样的张量则抛出异常。

如果您想将其作为条件，可以使用此代码：

is_finite = tf.reduce_all(tf.is_finite(x))

如果你想在某些条件不成立时抛出异常，你可以这样做：

check_op = tf.Assert(is_finite, ["Tensor had inf or nan values:", x])

您可能想使用 tf.control_dependencies 来确保此操作 check_op 得到执行。

如何在 TensorFlow 图中正确引发异常

How to properly raise exception in TensorFlow graph

python

python-3.x

tensorflow

tensorflow-serving

tensorflow2.0