Question

我正在尝试在两个循环中的tf节点上执行某些操作。但是，TensorFlow倾向于在循环的每次迭代中为图形创建更多节点。有没有办法以Python的方式在tf节点上进行多个操作，比如没有创建所有节点，只是遍历循环并进行操作？

为了举例说明下面的代码，似乎TensorFlow在循环中创建了所有节点（xi，xj和loss）：

def get_marginal_loss(features, labels, threshold, margin):
with tf.variable_scope("marginal", reuse=tf.AUTO_REUSE):
    xi = tf.get_variable('xi', [], dtype=tf.float32, initializer=tf.constant_initializer(0), trainable=False)
    xj = tf.get_variable('xj', [], dtype=tf.float32, initializer=tf.constant_initializer(0), trainable=False)
    loss = tf.get_variable('marginalLoss', [], dtype=tf.float32, initializer=tf.constant_initializer(0), trainable=False)
assign_op = loss.assign(0), xi.assign(0), xj.assign(0)
for i in range(batch_size):
    for j in range(batch_size):
        if i == j: break
        xi = features[i] / tf.norm(features[i], ord=1)
        xj = features[j] / tf.norm(features[j], ord=1)
        print(xi)
        print(xj)
        dis = tf.norm(xi-xj, ord=2)**2
        print(dis)
        y = 1 if labels[i] == labels[j] else -1
        loss = loss + tf.maximum(margin - y * (threshold - dis), 0)
return loss / (batch_size*(batch_size - 1)), assign_op

Answer 1

如果您指的是变量节点 - 您应该使用tf.get_variable（）方法。来自official TensorFlow documentation：“使用这些参数获取现有变量或创建新参数”

如何在循环中操作张量而不在TensorFlow中创建更多节点

1 个答案: