Question

我正在尝试启动分布式Tensorflow并收到以下错误。我的代码如下所示：

public class ListAdapterGrupat2 extends RecyclerView.Adapter<ListAdapterGrupat2.ViewHolder> {   

public ListAdapterGrupat2(Context context, ArrayList<CustomObject> arrayList, Class<?> cls) {        
}

@Override
public ViewHolder onCreateViewHolder(ViewGroup parent, int viewType) {
    View v = LayoutInflater.from(parent.getContext()).inflate(R.layout.item_programarigrupat, parent, false);
    return new ViewHolder(v);
}

@Override
public void onBindViewHolder(ViewHolder holder, int position) {
    CustomObject obj = arrayList.get(position);
    holder.item2.setText(obj.getItem2());

}

当我收到错误时，sv = tf.train.Supervisor(is_chief=(task_index == 0), logdir="/tmp/train_logs", init_op=init_op, summary_op=summary_op, saver=saver, global_step=global_step, save_model_secs=600) with sv.managed_session(server.target) as sess: step = 0 while not sv.should_stop() and step < nnc.steps: mini_batches = random_mini_batches(x_train, y_train, mini_batch_size) for mini_batch in mini_batches: (batch_x, batch_y) = mini_batch _, step = sess.run([train_op, global_step], feed_dict={x: batch_x, y: batch_y})函数失败了。但我完全不明白为什么和为什么。 random_mini_batches函数是一个用纯python + numpy编写的函数，没有任何与TensorFlow相关的函数。之前没有使用random_mini_batches和x_train。

这是我得到的错误：

y_train

任何帮助都将受到高度赞赏！感谢

Answer 1

这不是你的问题，但我认为mini_batch_size是一个恒定的张量。虽然random_mini_batches是纯粹的python和numpy，tensorflow overloads很多有张量的运算符，所以这一行

num_complete_minibatches = int(math.floor(m / mini_batch_size))

事实上，

对张量执行__div__操作，这也迫使m转换为张量。但是tf.train.Supervisor()强制图表完成，即不能再创建节点，因此转换失败。

解决方法是使mini_batch_size成为普通常量，并确保random_mini_batches内没有使用张量。

Tensorflow - 图表已完成，无法修改

1 个答案: