Question

在2d变量数组中递增条目的正确方法是什么？似乎变体A（下面）应该有效，但它失败了：

AttributeError：'Tensor'对象没有属性'assign_add'

有什么方法可以解决这个问题吗？变体B确实有效，但是它执行的操作多于必要的操作，我更喜欢使用适当的assign_add作为原子操作。
有点奇怪的是，下面的变体C也可以工作，并且比变体B更快，虽然看起来它做了更多（不必要的）工作。

变式A：

graph = tf.get_default_graph()
i = tf.Variable(5,tf.int32)
j = tf.Variable(3,tf.int32)
tbl = tf.Variable(np.zeros((10,10)),dtype = tf.float32)

p_op = tf.assign_add(tbl[i,j],1)
sess  = tf.Session(graph = graph)                    
tf.global_variables_initializer().run(session=sess)
res = sess.run(p_op)

变式B：

p_op = tbl[i,j].assign(tbl[i,j]+1)
sess  = tf.Session(graph = graph)                    
tf.global_variables_initializer().run(session=sess)
res = sess.run(p_op)

变式C：

p_op = tf.scatter_add(tbl, [i], [tf.one_hot(j,10)])
sess  = tf.Session(graph = graph)                    
tf.global_variables_initializer().run(session=sess)
res = sess.run(p_op)

Answer 1

构建图形时，没有一种方法可以使variable[indices] += value返回一个可以在会话中执行的操作。并且一旦切片发生（如在tf.assign_add(variable[indices], value)中），将赋值归因于变量是相当困难的（在有用的特殊情况下并非不可能;随意提交功能请求，或者甚至更好地组合拉动请求）。

增加单个元素的最快方法可能是scatter_nd_add，如（修改示例）：

import tensorflow as tf
with tf.Graph().as_default():
  i = tf.Variable(5,tf.int32)
  j = tf.Variable(3,tf.int32)
  tbl = tf.Variable(tf.zeros((10,10)),dtype = tf.float32)

  assign_op = tf.scatter_nd_add(tbl, [[i, j]], [1])
  init_op = tf.global_variables_initializer()
  with tf.Session() as session:
    session.run(init_op)
    session.run(assign_op)
    print(tbl.eval())

这样可以避免在变体B中进行顺序读取＆gt;写入（即原子），并避免像变体C那样分配整行。

递增2d变量

1 个答案: