Question

我想设置Keras（带有Tensorflow后端）中使用的内核数，并使用自定义auc度量。指标定义如下：

def auc( true_labels, predictions, weights = None ):
    auc = tf.metrics.auc( true_labels,  predictions, weights = weights)[1]
    K.get_session().run( tf.local_variables_initializer() )
    return auc

为了设置内核数，我使用以下功能：

def tensorFlowSetNumThreads( num_threads ):
    K.set_session(K.tf.Session(config=K.tf.ConfigProto(intra_op_parallelism_threads = num_threads, inter_op_parallelism_threads = num_threads ) ) )

既可以设置使用的内核数，又可以单独使用自定义指标，但是一起使用时不起作用。当我将核心数设置为任意数，然后尝试使用auc指标训练模型时，我收到以下错误消息：

退出中的文件“ /usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/errors_impl.py”，第528行 c_api.TF_GetCode（self.status.status）） tensorflow.python.framework.errors_impl.FailedPreconditionError：尝试使用未初始化的值batch_normalization_1 / moving_mean / local_step [[{{node batch_normalization_1 / AssignMovingAvg / batch_normalization_1 / moving_mean / AssignAdd}} = AssignAdd [T = DT_FLOAT，_class = [“ loc：@ batch_normalization_1 / AssignMovingAvg”]，use_locking = false，_device =“ / job：localhost /副本： 0 /任务：0 /设备：CPU：0“]（batch_normalization_1 / moving_mean / local_step，batch_normalization_1 / AssignMovingAvg / batch_normalization_1 / moving_mean / AssignAdd / value）]]

我已经研究了类似错误的解决方案，例如：

TensorFlow: “Attempting to use uninitialized value” in variable initialization

和

FailedPreconditionError: Attempting to use uninitialized in Tensorflow

，但是此处提供的解决方案似乎无法解决当前的问题。在训练模型时，如何设置使用的内核数并使用自定义指标？

使用自定义auc度量时，keras设置张量流中的核心数

0 个答案: