我在Tensorflow 2.0中构建一个机器学习应用。
我尝试通过在调用函数中遍历事实时（如果满足条件）中断for循环来优化计算效率，但它返回了一个错误，称：

OperatorNotAllowedInGraphError: 将tf.Tensor用作Python的bool是不允许的：AutoGraph没有转换此函数。请尝试直接用@tf.function装饰它。
（我也尝试在调用方法中添加一个tf函数）

有谁知道如何在自定义的tensorflow模型的调用函数中中断for循环并进行逻辑操作吗？

我的代码

def call(self, inputs, questions):    episode = tf.zeros(shape=(self.batch_size, self.units))    memory = questions    facts = self.split(self.transpose(self.cast(inputs, tf.float32), perm=(1,0,2)), self.facts_len)    for _ in range(self.passes):        for c in facts:            c = tf.squeeze(c)            g = self.attention(c, memory, questions)            episode = (                g * self.rnn(tf.expand_dims(c,-1), memory)[1] + (1-g) * episode            )        # 生成下一个记忆        _, memory = self.rnn(self.expand(episode, -1), memory)    return memory

回答：

你应该能够在你的逻辑中使用break。Keras对call应用了autograph，所以它应该能工作，但我的猜测是你需要更改外部循环：for _ in tf.range(self.passes)，如果中断是在内部循环中，确保facts也是一个Tensor。

请参阅这个指南和参考文档以获取更多详情。