Question

我有一个python程序，其中已经定义了一个网络，并且像往常一样，我正在我拥有的函数中对其进行训练

with tf.Session() as sess:
...
for epoch in xrange(num_epochs):
...
for n in xrange(num_batches):
       _, c = sess.run([optimizer, loss], feed_dict={....

在损失函数中，我必须做很多工作才能得到损失，尤其是我必须在张量内取最大并用它来做事情。这是一个例子

values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)
max_values = tf.reduce_max(values) # Tensor...
...

在max_values行中的

，如果我使用调试，它说它是张量而不是值，因此，如果我以这种方式更改代码，将传递给函数的代码传递给上一段代码中的会话

values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)
max_values = sess.run(tf.reduce_max(values)) # 2.0
...

有效。但是这个损失函数已经在会话范围内了，所以我的问题是为什么结果是张量而不是数字？有没有一种方法可以在不将会话传递给损失函数的情况下获取值？

Answer 1

根据documentation：

TensorFlow使用tf.Session类来表示之间的连接客户端程序--通常是Python程序，尽管类似界面支持其他语言-和C ++运行时。

这意味着当您执行values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)时，您只是在tensorflow图中插入一个节点！由于Python是低级C ++运行时的高级API，因此实际上您需要一个会话来评估此低级运行时中的Python代码。

这就是为什么每次需要计算或评估Tensorflow变量/方法/常量/等时，都需要在带有tf.Session().run(yournode)的Session中运行它的原因

我希望它能帮助

Answer 2

使用Tensor.eval（）函数将Tensor转换为其值。在以下示例中，您可以获取max_values张量的值。

def loss():
  values = tf.constant([0, 1, 2, 0, 2], dtype=tf.float32)
  max_values = tf.reduce_max(values)
  print (max_values.eval())

with tf.Session() as sess:
  loss()

如果您在Session范围之外调用loss（），则会出现错误。

还可以使用“急切”执行模式。 https://www.tensorflow.org/tutorials/eager/eager_basics

澄清tf.Session（）范围TensorFlow

2 个答案: