Question

我相信我很难理解图表在张量流中如何工作以及如何访问它们。我的直觉是用图表下的线条：＆＃39;将图形形成为单个实体。因此，我决定创建一个在实例化时构建图形的类，并且拥有一个运行图形的函数，如下所示;

class Graph(object):

    #To build the graph when instantiated
    def __init__(self, parameters ):
        self.graph = tf.Graph()
        with self.graph.as_default():
             ...
             prediction = ... 
             cost       = ...
             optimizer  = ...
             ...
    # To launch the graph
    def launchG(self, inputs):
        with tf.Session(graph=self.graph) as sess:
             ...
             sess.run(optimizer, feed_dict)
             loss = sess.run(cost, feed_dict)
             ...
        return variables

接下来的步骤是创建一个主文件，它将汇集参数传递给类，构建图形然后运行它;

#Main file
...
parameters_dict = { 'n_input': 28, 'learnRate': 0.001, ... }

#Building graph
G = Graph(parameters_dict)
P = G.launchG(Input)
...

这对我来说非常优雅，但它并不是很有效（显然）。实际上，似乎launchG函数无法访问图中定义的节点，这给出了我的错误;

---> 26 sess.run(optimizer, feed_dict)

NameError: name 'optimizer' is not defined

也许这是我的python（和tensorflow）理解太有限了，但我的奇怪印象是，在创建图形（G）的情况下，使用此图形作为参数运行会话应该可以访问节点中的节点它，不要求我提供明确的访问权限。

任何启示？

Answer 1

节点prediction，cost和optimizer是在方法__init__中创建的局部变量，无法在方法launchG中访问它们。< / p>

最简单的解决方法是将它们声明为类Graph的属性：

class Graph(object):

    #To build the graph when instantiated
    def __init__(self, parameters ):
        self.graph = tf.Graph()
        with self.graph.as_default():
             ...
             self.prediction = ... 
             self.cost       = ...
             self.optimizer  = ...
             ...
    # To launch the graph
    def launchG(self, inputs):
        with tf.Session(graph=self.graph) as sess:
             ...
             sess.run(self.optimizer, feed_dict)
             loss = sess.run(self.cost, feed_dict)
             ...
        return variables

您还可以使用graph.get_tensor_by_name和graph.get_operation_by_name的确切名称检索图表的节点。

Tensorflow：在类中创建图表并在

1 个答案: