Question

我正在使用tf.scatter_nd来更新某个索引处的复杂值。似乎真实和想象的部分以某种方式通过这个功能加在一起。我的问题是如何使其与占位符一起使用。以下是变量b和e应具有相同值的最小工作示例。

import tensorflow as tf
import numpy as np
tf.reset_default_graph()

update=np.asarray([1.+2j])
idx=tf.constant( [[0]])
shp=tf.constant([1])

# works with constants

a=tf.constant(update)
b=tf.scatter_nd(idx,a,shp)
with tf.Session() as sess:
    print sess.run(b) # correct output: 1.+2j

#Does not work with placeholders

d=tf.placeholder(tf.complex128)
e=tf.scatter_nd(idx,d,shp)
with tf.Session() as sess:
    print sess.run(e,feed_dict={d:update}) # WRONG output: 3.+0j

我正在使用conda命令安装Anaconda python 2.7 + TensorFlow 1.7 GPU版本。

修改

在GPU上运行代码时会出现此问题。 CPU版本正常工作。以下是使用Anaconda Python 2.7安装的TensorFlow-GPU 1.8中重现问题的更新代码。

import tensorflow as tf
import numpy as np
tf.reset_default_graph()

update=np.asarray([1.+2j])
idx=tf.constant( [[0]])
shp=tf.constant([1])

a=tf.placeholder(tf.complex128)

with tf.device("/cpu:0"):
    b=tf.scatter_nd(idx,a,shp)
with tf.device("/gpu:0"):
    c=tf.scatter_nd(idx,a,shp)

with tf.Session() as sess:
    print 'Correct output on CPU', sess.run(b,feed_dict={a:update})
    print 'Wrong output on GPU',sess.run(c,feed_dict={a:update})

我看到了this线程和this线程，但找不到如何解决它。是否有可以在GPU上运行的tf.scatter_nd的替代方案？

TensorFlow scatter_nd函数不适用于占位符和复杂输入

0 个答案: