TensorFlow：TensorArray作为类成员变量报错，求解决方案

首先明确：TensorArray不适合作为tf.Module的成员变量，原因在于它的设计定位是图模式单次执行内的临时动态数据容器，生命周期绑定到单个图执行流程，而非类的持久化状态。当你把它作为类成员时，tf.function会将其视为图的固定节点，而TensorArray的write操作属于动态图内的状态修改，这就触发了OperatorNotAllowedInGraphError——图模式不允许在固化的图结构中修改这类临时容器的状态。

解决方法 #

1. 改用tf.Variable存储持久化动态状态

如果需要在类的多个方法间共享动态收集的数据，用tf.Variable替代TensorArray是更合理的选择，因为tf.Variable专门用于维护持久化的可训练/可更新状态。示例代码：

import tensorflow as tf

class MyModule(tf.Module):
    def __init__(self):
        super().__init__()
        # 初始化一个空的可变张量，用于存储动态数据
        self.data = tf.Variable([], dtype=tf.float32)
    
    @tf.function
    def write(self, value):
        # 用tf.concat动态追加数据
        self.data.assign(tf.concat([self.data, [value]], axis=0))
    
    @tf.function
    def read(self):
        return self.data

# 测试
module = MyModule()
module.write(1.0)
module.write(2.0)
print(module.read().numpy())  # 输出 [1. 2.]

2. 保持TensorArray在tf.function内部定义（推荐）

如果只是在单个方法内需要动态收集数据，直接把TensorArray定义在tf.function修饰的方法内部，这完全符合它的设计意图，也是最稳妥的用法：

import tensorflow as tf

class MyModule(tf.Module):
    @tf.function
    def write(self, values):
        # 在方法内部初始化TensorArray
        ta = tf.TensorArray(dtype=tf.float32, size=0, dynamic_size=True)
        for i in tf.range(tf.shape(values)[0]):
            ta = ta.write(i, values[i])
        return ta.stack()

# 测试
module = MyModule()
result = module.write(tf.constant([1.0, 2.0, 3.0]))
print(result.numpy())  # 输出 [1. 2. 3.]

3. 强制在每次调用时重新初始化TensorArray（不推荐）

如果一定要把TensorArray作为类成员，可以在每次调用方法时重新初始化它，避免图固化带来的问题，但这种方式违背了TensorArray的设计初衷，容易引发其他潜在问题：

import tensorflow as tf

class MyModule(tf.Module):
    def __init__(self):
        super().__init__()
        self.ta_dtype = tf.float32
    
    @tf.function
    def write(self, value, index):
        # 每次调用都重新初始化TensorArray
        ta = tf.TensorArray(dtype=self.ta_dtype, size=10, dynamic_size=True)
        ta = ta.write(index, value)
        return ta.stack()

# 测试
module = MyModule()
result = module.write(5.0, 2)
print(result.numpy())  # 输出 [0. 0. 5. 0. 0. 0. 0. 0. 0. 0.]

总结：优先选择前两种方案，根据是否需要跨方法共享状态来决定用tf.Variable还是方法内定义TensorArray。

内容的提问来源于stack exchange，提问作者Flixx