Question

我已经意识到Tensorflow似乎正在管理图表的方式正在发生一些时髦的事情。

由于构建（和重建）模型非常繁琐，我决定将自定义模型包装在一个类中，以便我可以轻松地在其他地方重新实例化。

当我在训练和测试代码时（在原始位置），它可以正常工作，但是在我加载图形变量的代码中，我会得到各种奇怪的错误 - 变量重新定义和其他一切。这（从我关于类似事情的最后一个问题）是暗示一切都被调用了两次。

在进行TON跟踪之后，它归结为我使用加载代码的方式。它是在具有类似结构的类中使用的

class MyModelUser(object):
    def forecast(self):
       # .. build the model in the same way as in the training code
       # load the model checkpoint
       # call the "predict" function on the model
       # manipulate the prediction and return it

然后在一些使用MyModelUser的代码中

def test_the_model(self):
   model_user = MyModelUser()
   print(model_user.forecast())  # 1
   print(model_user.forecast())  # 2

和我（显然）预计会看到两个预测。相反，第一个预测被调用并按预期工作，但第二个调用抛出了一个 TON 变量重用ValueError，其中一个例子是：

ValueError: Variable weight_def/weights already exists, disallowed. Did you mean to set reuse=True in VarScope?

我设法通过添加一系列使用get_variable创建变量的try / except块来平息错误，然后在范围上调用reuse_variables的异常，然后{{1}没有任何东西，除了名字。这带来了一系列令人讨厌的错误，其中之一就是：

get_variable

我随心所欲地说，如果我将建模构建代码移动到tensorflow.python.framework.errors.NotFoundError: Tensor name "weight_def/weights/Adam_1" not found in checkpoint files，那么它只构建一次会怎么样？＆＃34;

我的新模特用户：

__init__

现在：

class MyModelUser(object):
    def __init__(self):
       # ... build the model in the same way as in the training code
       # load the model checkpoint


    def forecast(self):
       # call the "predict" function on the model
       # manipulate the prediction and return it

按预期工作，打印两个没有错误的预测。这让我相信我也可以摆脱变量重用的东西。

我的问题是：

为什么要修复它？理论上，图表应该在原始预测方法中每次重新安装，因此它不应该创建多个图形。即使在函数完成后，Tensorflow是否仍然保留图形？这是为什么将创建代码移动到def test_the_model(self): model_user = MyModelUser() print(model_user.forecast()) # 1 print(model_user.forecast()) # 2的原因？这让我无可救药地困惑。

Answer 1

默认情况下，TensorFlow使用在您第一次调用TensorFlow API时创建的单个全局tf.Graph实例。如果未显式创建background-color，则将在该默认实例中创建所有操作，张量和变量。这意味着您的代码中tf.Graph的每次调用都会将操作添加到同一个全局图中，这有点浪费。

这里有（至少）两种可能的行动方案：

理想的操作是重新构建代码，以便model_user.forecast()使用执行预测所需的所有操作构建整个MyModelUser.__init__()，tf.Graph只执行{{} 1}}调用现有图表。理想情况下，您也只能创建一个MyModelUser.forecast()，因为TensorFlow会在会话中缓存有关图形的信息，并且执行效率会更高。
对于sess.run()的每次调用，创建新tf.Session的侵入性较小但效率可能较低。从问题中tf.Graph方法创建了多少状态不清楚，但是您可以执行以下操作将两个调用放在不同的图中：
```
MyModelUser.forecast()
```

Answer 2

TF有一个默认图表，可以添加新的操作等。当你两次调用你的函数时，你会将相同的东西两次添加到同一个图形中。因此，要么构建一次图形并多次评估它（正如您所做的那样，这也是＆＃34;正常＆＃34;方法），或者，如果您想要更改内容，可以使用reset_default_graph {{3}重置图表以获得新鲜状态。

Tensorflow如何管理图表？

2 个答案: