Błąd przy użyciu porzucaniu w tensorflow

Question

Próbuję użyć funkcji przerywania w tensorflow:

sess=tf.InteractiveSession() 
initial = tf.truncated_normal([1,4], stddev=0.1) 
x = tf.Variable(initial) 
keep_prob = tf.placeholder("float") 
dx = tf.nn.dropout(x, keep_prob) 
sess.run(tf.initialize_all_variables()) 
sess.run(dx, feed_dict={keep_prob: 0.5}) 
sess.close() 

Przykład ten jest bardzo podobny do tego, jak to się robi w the tutorial; Jednak ja skończyć z powodu następującego błędu:

RuntimeError: min: Conversion function <function constant at 0x7efcc6e1ec80> for type <type 'object'> returned incompatible dtype: requested = float32_ref, actual = float32 

mam pewne kłopoty, aby zrozumieć dtype float32_ref, który wydaje się być tło problemu. Próbowałem również podać dtype=tf.float32, ale to niczego nie naprawia.

Próbowałem również ten przykład, który działa dobrze z float32:

sess=tf.Session() 
x=tf.Variable(np.array([1.0,2.0,3.0,4.0])) 
sess.run(x.initializer) 
x=tf.cast(x,tf.float32) 
prob=tf.Variable(np.array([0.5])) 
sess.run(prob.initializer) 
prob=tf.cast(prob,tf.float32) 
dx=tf.nn.dropout(x,prob) 
sess.run(dx) 
sess.close() 

Jednak jeśli rzucam float64 zamiast float32 uzyskać ten sam błąd:

RuntimeError: min: Conversion function <function constant at 0x7efcc6e1ec80> for type <type 'object'> returned incompatible dtype: requested = float64_ref, actual = float64 

Edit:

Wygląda na to, że problem pojawia się tylko w przypadku korzystania z funkcji opuszczania bezpośrednio na zmiennej s, pracuje dla zastępczych oraz dla produktów zmiennych i zastępcze, przykład:

sess=tf.InteractiveSession() 
x = tf.placeholder(tf.float64) 

sess=tf.InteractiveSession() 
initial = tf.truncated_normal([1,5], stddev=0.1,dtype=tf.float64) 
y = tf.Variable(initial) 

keep_prob = tf.placeholder(tf.float64) 
dx = tf.nn.dropout(x*y, keep_prob) 
sess.run(tf.initialize_all_variables()) 
sess.run(dx, feed_dict={x : np.array([1.0, 2.0, 3.0, 4.0, 5.0]),keep_prob: 0.5}) 
sess.close() 

Answer 1

Jest to błąd w realizacji tf.nn.dropout, który został ustalony w niedawno popełnić, i zostaną uwzględnione w następnej wersji TensorFlow. Na razie, aby uniknąć problemu, albo build TensorFlow from source, albo zmodyfikuj swój program w następujący sposób:

#dx = tf.nn.dropout(x, keep_prob) 
dx = tf.nn.dropout(tf.identity(x), keep_prob)