我正在尝试使用Dashboard.const_get("Parent") == Dashboard::Parent # => true
更新tf.Variable内的tf.while_loop()。但是，结果是初始值而不是更新的值。以下是我要做的示例代码：
tf.scatter_update()结果是：from __future__ import print_function
import tensorflow as tf
def cond(sequence_len, step):
return tf.less(step,sequence_len)
def body(sequence_len, step):
begin = tf.get_variable("begin",[3],dtype=tf.int32,initializer=tf.constant_initializer(0))
begin = tf.scatter_update(begin,1,step,use_locking=None)
tf.get_variable_scope().reuse_variables()
return (sequence_len, step+1)
with tf.Graph().as_default():
sess = tf.Session()
step = tf.constant(0)
sequence_len = tf.constant(10)
_,step, = tf.while_loop(cond,
body,
[sequence_len, step],
parallel_iterations=10,
back_prop=True,
swap_memory=False,
name=None)
begin = tf.get_variable("begin",[3],dtype=tf.int32)
init = tf.initialize_all_variables()
sess.run(init)
print(sess.run([begin,step]))
。但是，我认为结果应该是[array([0, 0, 0], dtype=int32), 10]。我在这里做错了吗？
答案 0 :(得分：6)
这里的问题是循环体中没有任何东西取决于你的tf.scatter_update() op，所以它永远不会被执行。使其工作的最简单方法是在更新中添加对返回值的控制依赖性：
def body(sequence_len, step):
begin = tf.get_variable("begin",[3],dtype=tf.int32,initializer=tf.constant_initializer(0))
begin = tf.scatter_update(begin, 1, step, use_locking=None)
tf.get_variable_scope().reuse_variables()
with tf.control_dependencies([begin]):
return (sequence_len, step+1)
请注意，此问题并非TensorFlow中的循环所特有。如果您刚刚定义了名为tf.scatter_update()的{{1}}操作，但在其上调用begin或依赖于它的内容，那么更新将不会发生。当你使用tf.while_loop()时，无法直接运行循环体中定义的操作，因此获得副作用的最简单方法是添加控件依赖项。
请注意，最终结果为sess.run()：每次迭代都会将当前步骤分配给[0, 9, 0]，而在最后一次迭代中，当前步骤的值为begin[1]（条件为false）当9）。