Tensorflow 1.2分配變量

正如標題所示，我正在使用從我的機器源代碼構建的tensorflow 1.2版。我不相信這會影響我的問題。Tensorflow 1.2分配變量

這兩個代碼塊有什麼區別？最重要的一個原因是我從來沒有在訓練時得到分配的值，但底部的確是這樣。我將我的所有時代數據複製到GPU中，然後根據需要抓取每批次的數據，因此此代碼在同一會話中每批次的開始處運行。

代碼是在Python中，所有這些都是在我的模型類中定義的。所有self.data對象都是3D float32張量。

## the index i.e the current step in the epoch 
    index = tf.to_int32(self.step, name="step_to_int") 

    ## code that doesn't work 
    tf.assign(self.input_data, self.all_input_data[index]) 
    tf.assign(self.targets, self.all_target_data[index]) 

    ## code that works 
    self.input_data = self.all_input_data[index] 
    self.targets = self.all_target_data[index]

來源

2017-06-20 ReverseFall

請記住，幾乎所有東西都是TensorFlow中的操作。我相信你的代碼中的問題是，你永遠不會運行賦值操作（因爲它已經被初始化了，所以你只需要計算input_data張量）。

然後你需要分配的分配方法的一個變量返回：

self.input_data = tf.assign(self.input_data, self.all_input_data[index])

這個變量將舉行兩個新的價值和再分配運行，所以每當你將評估它，它就會更新它的價值。

報價doc字符串：

返回：一個Tensor 分配後，將舉行「裁判」的新值已完成。

來源

2017-06-20 12:50:17 npf

爲什麼它工作，然後當我做一個sess.run（TF，分配（model.all_data，數據））？另外，哪種「更好」的方法可以使用？分配還是隻分配它？ – ReverseFall

它的工作原理是因爲你運行'tf.assign'方法的結果，這是一個持有賦值操作的op。我會編輯答案，使其更清晰。 – npf

好的，這是有道理的。我切換它分配tf.assign調用的結果，它再次工作。謝謝。 – ReverseFall

Tensorflow 1.2分配變量

回答

相關問題