Tensorflow control_dependencies不适用于列表

Question

我有一个费用，这取决于两个变量列表a和b 我想：

1. 计算当前点的成本梯度，
2. 更新损失w.r.t.第一个变量列表（a）
3. 更新损失w.r.t.第二个变量列表（b）。

按顺序。

要做到这一点，我尝试过这样的事情：

编辑：关注@Yaroslav Bulatov的回答我尝试了以下内容：

opt=tf.train.GradientDescentOptimizer(0.001)
grad_cost_wrt_a=opt.compute_gradients(cost,[a])
grad_cost_wrt_b=opt.compute_gradients(cost,[b])

with tf.control_dependencies(grad_cost_wrt_a[0]):
  with tf.control_dependencies(grad_cost_wrt_b[0]):
    update_wrt_a=opt.apply_gradients(grad_cost_wrt_a)
      with tf.control_dependencies([update_wrt_a]):
        update_wrt_b=opt.apply_gradients(grad_cost_wrt_b)

想知道这是否做得对吗？如果a和b是变量列表。

能够做到：

sess.run([update_wrt_a,update_wrt_b],feed_dict={x: x_input, y: y_input})

首先这不起作用我得到： 无法将列表转换为Tensor或Operation，但control_dependencies应该收到张量列表......

那么奖金问题我真的需要所有那些control_dependencies吗？

Answer 1

您的grad_cost_wrt_a和grad_cost_wrt_b个变量是列表，请执行grad_cost_wrt_a[0], grad_cost_wrt_b[0]

之类的操作