在递归循环中分配给TensorFlow变量
在Tensorflow 1.9中，我希望创建一个网络，然后递归地将网络的输出(预测)反馈到网络的输入中。在这个循环中，我希望将网络所做的预测存储在一个列表中。
以下是我的尝试：
# Define the number of steps over which to loop the network
num_steps = 5
# Define the network weights
weights_1 = np.random.uniform(0, 1, [1, 10]).astype(np.float32)
weights_2 = np.random.uniform(0, 1, [10, 1]).astype(np.float32)
# Create a variable to store the predictions, one for each loop
predictions = tf.Variable(np.zeros([num_steps, 1]), dtype=np.float32)
# Define the initial prediction to feed into the loop
initial_prediction = np.array([[0.1]], dtype=np.float32)
x = initial_prediction
# Loop through the predictions
for step_num in range(num_steps):
x = tf.matmul(x, weights_1)
x = tf.matmul(x, weights_2)
predictions[step_num-1].assign(x)
# Define the final prediction
final_prediction = x
# Start a session
sess = tf.Session()
sess.run(tf.global_variables_initializer())
# Make the predictions
last_pred, all_preds = sess.run([final_prediction, predictions])
print(last_pred)
print(all_preds)这个打印出来：
[[48.8769]]
[[0.]
[0.]
[0.]
[0.]
[0.]]因此，虽然final_prediction的值看起来是正确的，但predictions的值并不如我所期望的那样。predictions似乎从来没有被实际分配给，尽管行predictions[step_num-1].assign(x)。
请有人给我解释一下为什么这不管用，我该做什么呢？谢谢!
回答 1
Stack Overflow用户
发布于 2018-08-20 13:14:09
之所以会发生这种情况，是因为assign ist和其他任何TF一样只是一个TF op，因此只有在需要时才会执行。由于到final_prediction的路径上没有任何东西依赖于赋值op，而且predictions只是一个变量，所以分配永远不会执行。
我认为最直截了当的解决办法是替换这条线路
predictions[step_num-1].assign(x)通过
x = predictions[step_num-1].assign(x)这是因为assign还返回它正在赋值的值。现在，要计算final_prediction TF，实际上需要“通过”assign操作，因此应该执行任务。
另一种选择是使用tf.control_dependencies，这是一种在计算其他操作时“强迫”TF计算特定操作的方法。但是，在这种情况下，它可能有点不舒服，因为我们要强制的op (assign)取决于循环中正在计算的值，而且我不确定TF在这种情况下执行操作的顺序。下列措施应能发挥作用：
for step_num in range(num_steps):
x = tf.matmul(x, weights_1)
x = tf.matmul(x, weights_2)
with tf.control_dependencies([predictions[step_num-1].assign(x)]):
x = tf.identity(x)我们使用tf.identity作为noop，只是为了用control_dependencies包装一些东西。我认为这是两者之间比较灵活的选择。然而，它附带了在医生们中讨论的一些注意事项。
https://stackoverflow.com/questions/51937445
复制
![在DevOps中分层安全性[DevOps]](https://ask.qcloudimg.com/http-save/6790159/fi8xxoej13.png)
相似问题
递归地分配给Tensorflow中的变量切片
在for循环中分配变量
在循环中分配变量
在批处理中分配给引用变量
在循环中分配变量标签
领取专属 10元无门槛券
AI混元助手 在线答疑
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
