tf.control_dependencies()

tensorflow可以协调多个数据流,在存在依赖的节点下非常有用,例如节点B要读取模型参数值V更新后的值,而节点A负责更新参数V,所以节点B就要等节点A执行完成后再执行,不然读到的就是更新以前的数据。这时候就需要个运算控制器tf.control_dependencies。

使用默认图形包装graph.control_dependencies()。

tf.control_dependencies(control_inputs)

当启用紧急执行时,control_input列表中的任何可调用对象都将被调用。

参数:

  • control_input:在运行上下文中定义的操作之前必须执行或计算的操作或张量对象的列表。也可以是None来清除控件依赖项。如果启用了立即执行,control_input列表中的任何可调用对象都将被调用。

返回值:

  • 上下文管理器,为在上下文中构造的所有操作指定控制依赖项。
with tf.control_dependencies([a, b, c]):
   # `d` and `e` will only run after `a`, `b`, and `c` have executed.
   d = ...
   e = ...

只有[a,b,c]都被执行了才会执行d和e操作,这样就实现了流的控制。当然,官方文档里还介绍了嵌套多个流控制。

 with tf.control_dependencies([a, b]):
      # Ops constructed here run after `a` and `b`.
      with tf.control_dependencies([c, d]):
        # Ops constructed here run after `a`, `b`, `c`, and `d`

也能通过参数None清除控制依赖例如

with g.control_dependencies([a, b]):
      # Ops constructed here run after `a` and `b`.
      with g.control_dependencies(None):
        # Ops constructed here run normally, not waiting for either `a` or `b`.
        with g.control_dependencies([c, d]):
          # Ops constructed here run after `c` and `d`, also not waiting
          # for either `a` or `b`.

原链接:https://tensorflow.google.cn/api_docs/python/tf/control_dependencies?hl=en

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券