TensorFlow中圖集的目的是什麼？

Question

API討論了Graph Collections，從code判斷是通用密鑰/數據存儲。這些藏品的目的是什麼？

Answer 1

請記住，在引擎蓋下，Tensorflow是用於指定並執行計算數據流圖的系統。圖形集合用作跟蹤構建的圖形以及它們必須如何執行的一部分。例如，當您創建某些類型的操作（如tf.train.batch_join）時，添加該操作的代碼還會將一些隊列運行器添加到QUEUE_RUNNERS圖形集合中。稍後，當您撥打start_queue_runners()時，默認情況下，它會查看QUEUE_RUNNERS集合以瞭解要啓動哪些參賽者。

Answer 2

我認爲對我來說至少有兩個好處到目前爲止：

1. 當你在多GPU或機器程序分佈是很方便的收集哪些是相同的集合中的不同設備的損失。使用tf.add_n來添加它們以累積損失。
2. 以我自己的方式更新一組特定的變量，如權重和偏差。

例如：

import tensorflow as tf  
w = tf.Variable([1,2,3], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32)  
w2 = tf.Variable([11,22,32], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32) 
weight_init_op = tf.variables_initializer(tf.get_collection_ref(tf.GraphKeys.WEIGHTS)) 
sess = tf.InteractiveSession() 
sess.run(weight_init_op) 
for vari in tf.get_collection_ref(tf.GraphKeys.WEIGHTS): 
    tf.add_to_collection(tf.GraphKeys.UPDATE_OPS, vari.assign(0.2 * vari)) 
weight_update_ops = tf.get_collection_ref(tf.GraphKeys.UPDATE_OPS) 
sess.run(weight_update_ops) 

輸出：

[陣列（[0.2，0.40000001，0.60000002]，D型細胞= FLOAT32） 陣列（[2.20000005，4.4000001，6.4000001] dtype = float32）]