Question

我正在使用Tensorflow的scatter_update在一个简单的测试中设置数组的值。我希望以下代码将数组中的所有值都设置为1.0。

pt = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
numOne = tf.constant(1)
xi = tf.Variable(0)
out = tf.Variable(pt)
tf.global_variables_initializer().run()

xi_ = xi + numOne
out_ = tf.scatter_update(out, [xi], [tf.cast(numOne, tf.float32)])

step = tf.group(
    xi.assign(xi_),
    out.assign(out_)
    )
for i in range(15): step.run()
print(out.eval())

相反，我得到了不一致的结果，如：

[ 1.  1.  1.  0.  1.  1.  1.  1.  1.  1.  1.  0.  1.  1.  1.  1.]

我缺少某种类型的锁定机制吗？

Answer 1

tf.group内的操作以随机顺序执行。如果您需要特定订单，可以使用tf.control_dependencies或分成两个.run来电，即

step1 = xi.assign(xi_)
step2 = out.assign(out_)
for i in range(15):
    print(out.eval())
    sess.run(step1)
    sess.run(step2)

Answer 2

另外，使用control_dependencies会是这样的：

xi_ = xi + numOne
with tf.control_dependencies[xi_]:
    out_ = tf.scatter_update(out, [xi], [tf.cast(numOne, tf.float32)])
    with tf.control_dependencies[out_]:
        step = tf.group(
            xi.assign(xi_),
            out.assign(out_)
          )
       for i in range(15): step.run()
print(out.eval())

使用scatter_update进行Tensorflow增量分配的结果不一致

2 个答案: