Tensorflow Keras不适用于参差不齐的张量输入
问题内容：
我正在使用Tensorflow 2.3。
如果我使用普通的tf张量输入，则以下示例可以正常工作：
import tensorflow as tf
text_input = tf.keras.Input([None], dtype=tf.string, name="text_input", ragged=False)
predictions = tf.gather(text_input, 0, axis=-1)
model = tf.keras.Model(inputs=[text_input], outputs=[predictions])
model(tf.constant([['A1', 'A2', 'A3'], ['B1', 'B2', 'B3']]))
<tf.Tensor: shape=(2,), dtype=string, numpy=array([b'A1', b'B1'], dtype=object)>
但是，如果将输入更改为参差不齐的张量，则在尝试创建模型时会出错。
import tensorflow as tf
ragged_input = tf.keras.Input([None], dtype=tf.string, name="ragged_input", ragged=True)
padded_input = ragged_input.to_tensor('')
predictions = tf.gather(padded_input, 0, axis=-1)
model = tf.keras.Model(inputs=[ragged_input], outputs=[predictions])
---------------------------------------------------------------------------
InvalidArgumentError Traceback (most recent call last)
<ipython-input-201-9adaf4aae2b5> in <module>()
3 padded_input = ragged_input.to_tensor('')
4 predictions = tf.gather(padded_input, 0, axis=-1)
----> 5 model = tf.keras.Model(inputs=[ragged_input], outputs=[predictions])
13 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py in quick_execute(op_name, num_outputs, inputs, attrs, ctx, name)
58 ctx.ensure_initialized()
59 tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name,
---> 60 inputs, attrs, num_outputs)
61 except core._NotOkStatusException as e:
62 if name is not None:
InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder_38' with dtype int64 and shape [?]
[[node Placeholder_38 (defined at <ipython-input-201-9adaf4aae2b5>:5) ]] [Op:__inference_keras_scratch_graph_136790]
Function call stack:
keras_scratch_graph
问题答案：
对我来说似乎是个错误，因为RaggedTensor对Keras的支持不是最好的（请参见例如此处）。我不确定是什么原因造成的，但是占位符转换失败。
如果可以的话，最好先使用所有RaggedTensor功能， 然后
再将其作为输入和设置传递ragged=False。如果您只想使用它进行方便的填充，并且所有图形操作都基于无参差的张量（在您的示例中就是这种情况），那么这不是问题：
import tensorflow as tf
ragged_input = tf.keras.Input([None], dtype=tf.string, name="ragged_input", ragged=False)
# padded_input = ragged_input.to_tensor('')
predictions = tf.gather(ragged_input, 0, axis=-1)
model = tf.keras.Model(inputs=[ragged_input], outputs=[predictions])
padded_input = tf.ragged.constant([['A1', 'A2'], ['B1', 'B2', 'B3']]).to_tensor('')
result = model(padded_input)
print(result)
# >>> tf.Tensor([b'A1' b'B1'], shape=(2,), dtype=string)
