TensorFlow中MutableHashTable用int64键值对报InvalidArgumentError问题

问题根源 #

从你贴的错误日志就能看出问题所在——你用的应该是比较旧的TensorFlow 1.x版本（毕竟还在使用tf.contrib模块和Session），当时的MutableHashTableV2算子没有注册支持int64键+int64值的CPU/GPU内核，日志里列的已注册组合里确实找不到这一项；而HashTable是不可变哈希表，它的内核早就支持这个类型组合了，所以能正常运行。

可行解决方案 #

1. 升级TensorFlow版本（最推荐） #

较新的TensorFlow 1.x后期版本或者TensorFlow 2.x已经修复了这个内核缺失的问题，而且TF2.x里已经把哈希表模块从tf.contrib移到了正式的tf.lookup下。比如TF2.x的示例代码：

import tensorflow as tf

keys = tf.range(10, dtype=tf.int64)
vals = tf.range(10, dtype=tf.int64)
table = tf.lookup.MutableHashTable(
    key_dtype=tf.int64,
    value_dtype=tf.int64,
    default_value=-1
)
table.insert(keys, vals)
print(table.lookup(tf.range(20, dtype=tf.int64)).numpy())

2. 临时类型转换（无法升级时用） #

如果因为环境限制没法升级TF，你可以临时把值的类型转换成tf.float64这类MutableHashTable支持的类型，查询后再转回来。示例代码：

import tensorflow as tf
with tf.Session() as sess:
    keys = tf.range(10, dtype=tf.int64)
    # 把int64的值转成float64，适配已注册的内核组合
    vals = tf.cast(tf.range(10, dtype=tf.int64), tf.float64)
    table = tf.contrib.lookup.MutableHashTable(
        key_dtype=tf.int64,
        value_dtype=tf.float64,
        default_value=-1.0
    )
    table.insert(keys, vals)
    # 查询结果转回int64
    result = tf.cast(table.lookup(tf.range(20, dtype=tf.int64)), tf.int64)
    print(sess.run(result))

3. 沿用不可变HashTable（不需要动态修改时） #

如果你的业务场景不需要动态插入、修改哈希表内容，直接用你已经验证可行的tf.contrib.lookup.HashTable就好，这是最省心的方案。

补充说明 #

不可变哈希表和可变哈希表的实现逻辑差异很大，TensorFlow早期对可变哈希表的内核支持不够全面，漏掉了int64键值对的组合，后续版本才补全了这部分支持。

内容的提问来源于stack exchange，提问作者kafaso