Tensorarray初始化

Question

我正在寫一個示例程序來學習4個節點上的分佈式tensorflow。我的程序包含賦值給一個簡單的numpy數組。然後我將它們轉換成張量流數組來做一個基本的算術加法操作。我將輸出存儲在另一個tensorflowarray中。最後將這個數組轉換成張量，將其打印在輸出中。

import tensorflow as tf 
import numpy as np 
import datetime 

u1 = tf.TensorArray(dtype=tf.float64,size=101) 
u2 = tf.TensorArray(dtype=tf.float64,size=101) 
u3 = tf.TensorArray(dtype=tf.float64,size=101) 
u4 = tf.TensorArray(dtype=tf.float64,size=101) 
u5 = tf.Variable(np.zeros(101)) 
u = np.zeros(101) 
a = tf.Variable(0, dtype=tf.float64) 
L = 100.0 

x = tf.constant(2, dtype=tf.float64) 

t1 = datetime.datetime.now() 
with tf.device("/job:local/task:3"): 
    for i in range(2): 
     for j in range(101): 
      # u[j] = (np.sin(2*np.pi*j/L)) 
      u[j] = j 
      u1 = u1.write(j,u[j]) 
      u2 = u2.write(j,u[j]) 
      u3 = u3.write(j,u1.read(j)+u2.read(j)) 

     u4 = u3.pack() 
     assign = tf.assign(u5, u3(100)) 


model = tf.initialize_all_variables() 

with tf.Session("grpc://localhost:2222") as sess: 
    sess.run(model) 
    print sess.run(u4) 
    print sess.run(assign) 
    # print (u4.eval()) 
t2 = datetime.datetime.now() 

print('\n') 
print "Multi node computation time: " + str(t2-t1) 

我想覆蓋tensorarrays u1，u2，u3，u4。上面的書面程序給出了以下錯誤： -

InvalidArgumentError (see above for traceback): TensorArray TensorArray_1_21: Could not write to TensorArray index 0 because it has already been read. 

是否有第一個for循環後初始化使用tensorarrays？請幫忙。

Answer 1

TensorArrays是一種「一次寫入」數據結構：從（例如，使用pack（））讀取它們後，它們無法寫入。它們主要與tf.while_loop結合使用（請參閱TensorArray documentation）。

看起來TensorArrays在這裏不太合適。您可以使用Tensors的Python列表，這將避免TensorArray錯誤，儘管這會在循環多個值時導致出現大圖。如果這成爲一個問題，您可以將Python for loop切換到while_loop或higher-level looping constructs之一。目前尚不清楚你想要做什麼，但是如果你想保存中間值，你可以看看scan（）。