Question

我正在尝试使用Python线程使用TensorFlow实现异步梯度下降。在主代码中，我定义了图形，包括一个训练操作，它获取一个变量以保持global_step的计数：

with tf.variable_scope("scope_global_step") as scope_global_step:
    global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
optimizer = tf.train.GradientDescentOptimizer(FLAGS.learning_rate)
train_op = optimizer.minimize(loss, global_step=global_step)

如果我打印global_step的名称，我会：

scope_global_step / global_step：0

主代码还启动了几个线程来执行training方法：

threads = [threading.Thread(target=training, args=(sess, train_op, loss, scope_global_step)) for i in xrange(NUM_TRAINING_THREADS)]
for t in threads: t.start()

如果global_step的值大于或等于FLAGS.max_steps，我希望每个线程停止执行。为此，我按照以下方式构建training方法：

def training(sess, train_op, loss, scope_global_step):
    while (True):
         _, loss_value = sess.run([train_op, loss])
         with tf.variable_scope(scope_global_step, reuse=True): 
            global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
            global_step = global_step.eval(session=sess)
            if global_step >= FLAGS.max_steps: break

此操作失败并显示以下消息：

ValueError：欠共享：变量scope_global_step / global_step不存在，不允许。你的意思是在VarScope中设置reuse = None吗？

我可以看到:0在首次创建时添加到变量的名称中，当我尝试检索它时，不使用该后缀。为什么是这样？如果我在尝试检索变量时手动将后缀添加到变量的名称，它仍然声称该变量不存在。为什么TensorFlow找不到变量？不应该在线程之间自动共享变量吗？我的意思是，所有线程都在同一个会话中运行，对吧？

另一个与我的training方法相关的问题：global_step.eval(session=sess)会再次执行图表，还是只会在gloabl_step执行后获取分配给train_op的值和loss操作？一般来说，从Python代码中使用的变量中获取值的推荐方法是什么？

Answer 1

TL; DR：将您在第一个代码片段中创建的global_step tf.Variable对象作为训练线程参数之一传递，并调用sess.run(global_step)在传入的变量上。

作为一般规则，您的训练循环（尤其是单独线程中的训练循环）不应修改图形。 tf.variable_scope()上下文管理器和tf.get_variable() 可以修改图表（即使它们并非总是如此），因此您不应在训练循环中使用它们。最安全的做法是在创建训练线程时将global_step对象（您在第一时间创建的对象）作为args元组之一传递。然后你可以简单地重写你的训练功能：

def training(sess, train_op, loss, global_step):
    while (True):
         _, loss_value = sess.run([train_op, loss])
         current_step = sess.run(global_step)
         if current_step >= FLAGS.max_steps: break

要回答您的其他问题，运行global_step.eval(session=sess)或sess.run(global_step)只会获取global_step变量的当前值，而不会重新执行图表的其余部分。这是获取用于Python代码的tf.Variable值的推荐方法。

在Tensorflow中共享线程之间的变量

1 个答案: