Question

我正在试验tf.scatter_nd_update，我注意到渴望和不渴望（懒惰）执行之间在行为上有些特殊的差异。让我们从一个简单的渴望模式示例开始：

import tensorflow as tf
tf.enable_eager_execution()

ref = tf.Variable(tf.ones([5, 3], dtype=tf.int32))
updates = tf.Variable([[0, 5, 2]])
update = tf.scatter_nd_update(ref, [[0]], updates)
print(update.numpy())

工作正常：

[[0 5 2]
 [1 1 1]
 [1 1 1]
 [1 1 1]
 [1 1 1]]

同一脚本也可用于不急于执行的程序：

import tensorflow as tf

ref = tf.Variable(tf.ones([5, 3], dtype=tf.int32))
updates = tf.Variable([[0, 5, 2]])
update = tf.scatter_nd_update(ref, [[0]], updates)
init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(update))

特殊的行为是在急切执行中，如果我将indices中的tf.scatter_nd_update参数替换为示例中的[0]这样的等级1索引，它仍然有效，但仅在急切模式下有效

import tensorflow as tf
tf.enable_eager_execution()

ref = tf.Variable(tf.ones([5, 3], dtype=tf.int32))
updates = tf.Variable([[0, 5, 2]])
update = tf.scatter_nd_update(ref, [0], updates)  # <- indices here are rank 1
print(update.numpy())

在惰性执行模式下，将显示一条错误消息：

ValueError：input.shape = [5,3]的内部1个维必须与的内部2个维度。shape= [1,3]：形状必须等于等级，但对于'ScatterNdUpdate'（op：'ScatterNdUpdate'），则为1和2 输入形状：[5,3]，[1]，[1,3]。

有人可以解释这种行为差异吗？我知道急切的执行会在较早时（实际上是在声明时）提供一些信息，这会影响某些功能，但是我似乎不了解它如何影响这种情况？

在tf 1.15上测试。

张量流中急切和懒惰执行的差异

0 个答案: