Tensorflow如何管理圖形？

我已經意識到Tensorflow似乎在管理圖形的方式上有一些時髦的東西。由於構建（和重建）模型非常繁瑣，我決定將自定義模型包裝在一個類中，以便我可以在其他地方輕鬆地重新實例化它。Tensorflow如何管理圖形？

當我在訓練和測試代碼時（在原來的地方），它會工作的很好，但是在我加載圖形變量的代碼中，我會得到各種奇怪的錯誤 - 變量重定義和其他一切。這個（從我最後一個類似的問題）提示，一切都被稱爲兩次。

做了跟蹤TON後，它回到了我使用加載的代碼的方式。它正在從一個類，有一個結構，像這樣

class MyModelUser(object): 
    def forecast(self): 
     # .. build the model in the same way as in the training code 
     # load the model checkpoint 
     # call the "predict" function on the model 
     # manipulate the prediction and return it

然後在一些代碼，使用MyModelUser我有

def test_the_model(self): 
    model_user = MyModelUser() 
    print(model_user.forecast()) # 1 
    print(model_user.forecast()) # 2

和我（顯然）有望看到兩個預測這時候內使用被稱爲。相反，第一個預測被稱爲按預期工作，但第二個電話扔變量重用的TON ValueError異常的這些中的一個例子是：

ValueError: Variable weight_def/weights already exists, disallowed. Did you mean to set reuse=True in VarScope?

我設法通過增加一系列平息錯誤試圖/使用get_variable創建變量的塊除外，然後在例外情況下，在範圍上調用reuse_variables，然後在名稱上調用get_variable。這帶來了一套新的嚴重的錯誤，其中之一就是：

tensorflow.python.framework.errors.NotFoundError: Tensor name "weight_def/weights/Adam_1" not found in checkpoint files

一時心血來潮我說：「如果我的造型建築物代碼移到__init__所以其只內置了一次？」

我的新機型的用戶：

class MyModelUser(object): 
    def __init__(self): 
     # ... build the model in the same way as in the training code 
     # load the model checkpoint 


    def forecast(self): 
     # call the "predict" function on the model 
     # manipulate the prediction and return it

現在：

def test_the_model(self): 
    model_user = MyModelUser() 
    print(model_user.forecast()) # 1 
    print(model_user.forecast()) # 2

按預期工作，印花兩大預測沒有錯誤。這使我相信我也可以擺脫可變重用的東西。

我的問題是這樣的：

這是爲什麼解決它？從理論上講，應該在原始預測方法中每次都重新調整圖形，因此它不應該創建多個圖形。即使函數完成後，Tensorflow是否仍然保持圖形？這就是爲什麼將創建代碼移動到__init__工作？這讓我無望地感到困惑。

來源

2016-11-28 rec

默認情況下，TensorFlow使用首次調用TensorFlow API時創建的單個全局tf.Graph實例。如果您不明確創建tf.Graph，則將在該默認實例中創建所有操作，張量和變量。這意味着您在model_user.forecast()的代碼中的每個調用都會將操作添加到同一個全局圖中，這有點浪費。

有（至少）動作的兩種可能的課程在這裏：

理想的行動是調整你的代碼，以便MyModelUser.__init__()構建整個tf.Graph所有進行預測所需要的操作，而MyModelUser.forecast()只需在現有圖上執行sess.run()調用。理想情況下，您也只能創建一個tf.Session，因爲TensorFlow會在會話中緩存關於圖形的信息，並且執行效率會更高。
的創傷更小—但可能不太有效—變化將是創建一個新的tf.Graph每次調用MyModelUser.forecast()。這是由很多國家是如何在MyModelUser.__init__()方法創建的問題尚不清楚，但你可以不喜歡下面把兩個調用不同的圖表：
```
def test_the_model(self): 
    with tf.Graph(): # Create a local graph 
    model_user_1 = MyModelUser() 
    print(model_user_1.forecast()) 
    with tf.Graph(): # Create another local graph 
    model_user_2 = MyModelUser() 
    print(model_user_2.forecast()) 
```

來源

2016-11-28 17:21:36 mrry

TF有一個默認圖表，新的操作等被添加到。當你調用你的函數兩次時，你會將同樣的東西兩次添加到同一個圖中。因此，無論是構建一次圖並多次評估（就像你已經完成的那樣，這也是「正常」方法），或者，如果你想改變一些東西，你可以使用reset_default_graph https://www.tensorflow.org/versions/r0.11/api_docs/python/framework.html#reset_default_graph來重置圖，以便擁有一個新鮮的狀態。

來源

2016-11-28 17:20:53 etarion

Tensorflow如何管理圖形？

回答

相關問題