Question

考虑以下代码：

import tensorflow as tf

global_step = tf.train.create_global_step()
x = tf.Variable(100.0)
optimizer = tf.train.AdamOptimizer()
train_op = optimizer.minimize(x, global_step=global_step)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    step, _ = sess.run([global_step, train_op])
    print(step)

我得到的输出是'1'，但是我认为没有什么能阻止Tensorflow给我'0'，即，在train_op中增加它的'assign'op之前的全局步骤变量的值。实际上，我还有另一个更复杂的Tensorflow程序，表现出此行为，其中我从Session.run([global_step, train_op])获得的全局步长值在运行它的两台机器之间是一一对应的。

对于全局step变量，如何确定从train_op之前获取其值，或者如何从train_op之后获取其值？

我知道我可以在sess.run([global_step])之前或之后分别进行sess.run([train_op])，但是如果不涉及过度复杂的代码，我想在单个session.run()中做尽可能多的事情。我知道我可以通过将global_step分配给另一个变量并在tf.assign和train_op之间建立控件依赖性来获得预增值：

import tensorflow as tf

global_step = tf.train.create_global_step()
global_step2 = tf.get_variable('step-mirror', dtype=global_step.dtype, 
shape=global_step.shape)
global_step2 = tf.assign(global_step2, global_step)
x = tf.Variable(100.0)
optimizer = tf.train.AdamOptimizer()
with tf.control_dependencies([global_step2]):
    train_op = optimizer.minimize(x, global_step=global_step)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    step, _ = sess.run([global_step2, train_op])
    print(step)

但是我正在寻找一种更简单的方法，也许是我缺少Tensorflow功能，因为它在指定任何变量之前都没有指定评估变量。

编辑：响应于此comment，此操作不起作用，并且打印为“ 1”而不是“ 0”：

import tensorflow as tf

global_step = tf.train.create_global_step()
x = tf.Variable(100.0)
optimizer = tf.train.AdamOptimizer()
with tf.control_dependencies([global_step]):
    train_op = optimizer.minimize(x, global_step=global_step)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    step, _ = sess.run([global_step, train_op])
    print(step)

Answer 1

您可以使用它来读取train_op之后的全局步骤：

import tensorflow as tf

global_step = tf.train.create_global_step()
x = tf.Variable(100.0)
optimizer = tf.train.AdamOptimizer()
train_op = optimizer.minimize(x, global_step=global_step)

with tf.control_dependencies([train_op]):
    global_step_value = global_step.read_value()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    step, _ = sess.run([global_step_value, train_op])
    print(step)

这里global_step_value不再是变量。计算global_step之后，它是一个train_op值的张量。 here在“使用变量”下进行了说明。

如何获得全局步长变量的确定性值（严格在增量之后或严格在增量之前）

1 个答案: