Question

我想将网络的更新权重（执行优化后）投影到一个特殊的空间中，在该空间中需要传递该张量的值。应用投影的函数获取一个numpy数组作为输入。有办法吗？

我使用tf.assign（）作为解决方案，但是由于我的函数接受数组而不是张量，所以它失败了。

这是我想做的事的草图：

W = tf.Variable(...)
...
opt = tf.train.AdamOptimizer(learning_rate).minimize(loss, var_list=['W'])
W = my_function(W)

Answer 1

tf.control_dependencies似乎是您需要的

一个简单的例子：

import tensorflow as tf

var = tf.get_variable('var', initializer=0.0)
# replace `tf.add` with your custom function 
addop = tf.add(var, 1)  

with tf.control_dependencies([addop]):
    updateop = tf.assign(var, addop)

config = tf.ConfigProto()
config.gpu_options.allow_growth = True  # pylint: disable=no-member
with tf.Session(config=config) as sess:
    sess.run(tf.global_variables_initializer())
    updateop.eval()
    print(var.eval())
    updateop.eval()
    print(var.eval())
    updateop.eval()
    print(var.eval())

输出：

1.0
2.0
3.0

如何将函数应用于张量的值，然后将输出分配给相同的张量

1 个答案: