如何增加Tensorflow中的變量？

Question

當試圖使用監督員Tensorflow我意識到是：

你的訓練op是負責遞增全局步長值。

（Reference）

那麼，你如何增加在Tensorflow的圖形的變量？

Answer 1

很簡單的解決方案：

global_step = tf.Variable(1, name='global_step', trainable=False, dtype=tf.int32) 
increment_global_step_op = tf.assign(global_step, global_step+1) 

然後，當你想增加它，只是運行在當前tf.Sessionsess該運算。

step = sess.run(increment_global_step_op) 

置於step中的結果是增量後遞增變量的值。在這種情況下，遞增後的global_step的值。所以2。

如果您使用這個for global_step像我一樣，運行它與您的training_op一起。

result = sess.run([out, increment_global_step_op], {x: [i]}) 

Answer 2

遞增/遞減值是一種常見的操作，因此TF具有操作以簡化圖形創作：tf.assign_add()和tf.assign_sub()。它們結合了兩個操作（tf.assign()和tf.add/tf.sub）。

下面是使用的例子：

import tensorflow as tf 

x = tf.Variable(0, name='counter') 
inc = tf.assign_add(x, 1, name='increment') 

with tf.Session() as sess: 
    # writer = tf.summary.FileWriter('logs', sess.graph) 
    sess.run(tf.global_variables_initializer()) 
    for _ in xrange(5): 
     print sess.run(inc) 

如果你比較在這個例子中，在你自己的例子的tensorboard圖，你會看到，有圖有節點的量較少。