Question

例如，我假设我有类似的东西：

run1 = tf.assign(y,x)
run2 = tf.assign(z,y)
sess.run(run2, feed_dict={x:a}

此调用是先运行run1，然后是run2，还是我需要先显式调用run1？

我在处理其他代码时遇到麻烦。这个错误有关系吗？

FailedPreconditionError：尝试使用未初始化的值 Variable_11 [[node Variable_11 / read（在：20）]]

Answer 1

首先，您应该运行下面的代码以消除错误。

sess.run(tf.global_variables_initializer())

之后，您应该分别调用run1和run2来将a分配给z。但是，如果要使用run2为z分配a，则应按以下方式定义run2：

run2 = tf.assign(z, run1)

使用此代码，当您尝试调用run2时，run1将运行，并且run1的结果将分配给z。

Answer 2

要回答标题（并非总是如此），例如一个真实的例子：

import tensorflow as tf

x = tf.placeholder(dtype=tf.float32, name="input_vector1")
y = tf.placeholder(dtype=tf.float32, name="input_vector2")
mul1 = tf.multiply(x, y)
mul2 = tf.multiply(mul1, x)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(mul2, feed_dict={x: 2, y: 3}))

运算符都已连接，x和y是sess.run中提供的输入，我请求mul2，因此必须首先计算mul1，它将在同一sess.run中自动发生。

不是这种情况的示例：

import tensorflow as tf

x = tf.placeholder(dtype=tf.float32, name="input_vector1")
y = tf.placeholder(dtype=tf.float32, name="input_vector2")
mul1 = tf.multiply(x, y)
mul2 = tf.multiply(y, x)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(mul2, feed_dict={x: 2, y: 3}))

要计算mul2，不需要mul1，因此不会干扰tensorflow。要查看连接了哪些运营商，您可以执行以下操作：

import tensorflow as tf

x = tf.placeholder(dtype=tf.float32, name="input_vector1")
y = tf.placeholder(dtype=tf.float32, name="input_vector2")
mul1 = tf.multiply(x, y)
mul2 = tf.multiply(mul1, x)

with tf.Session() as sess:
    tf.summary.FileWriter("path/to/empty/folder", sess.graph)

此脚本会将日志文件记录到一个文件夹中，然后可以使用

读取该日志文件。

tensorboard --logdir=path/to/empty/folder

有关张量板的更多信息，请参阅the official guide

您遇到的错误是因为您没有运行sess.run(tf.global_variables_initializer())，这会初始化所有变量

我是否只需调用一次会话即可运行Tensorflow中的所有操作？

2 个答案: