张量流中的图形环

我曾经在张量流图中引入有向无环图的印象。然而，同时探索通过https://github.com/nilboy/tensorflow-yolo产生的（相当大的）图形我偶然在图中的一环：张量流中的图形环

1. gradients/b_count_62:0 -> gradients/b_count_62 
2. gradients/b_count_62 -> gradients/GreaterEqual_15:0 
3. gradients/GreaterEqual_15:0 -> gradients/GreaterEqual_15 
4. gradients/GreaterEqual_15 -> gradients/Merge_31:0, gradients/GreaterEqual_15/Enter:0 
5. gradients/Merge_31:0 -> gradients/Merge_31 
6. gradients/Merge_31 -> gradients/b_count_61:0, gradients/NextIteration_31:0 
7. gradients/NextIteration_31:0 -> gradients/NextIteration_31 
8. gradients/NextIteration_31 -> gradients/Sub_15:0 
9. gradients/Sub_15:0 -> gradients/Sub_15 
10. gradients/Sub_15 -> gradients/Switch_31:1, gradients/GreaterEqual_15/Enter:0 
11. gradients/Switch_31:1 -> gradients/Switch_31 
12. gradients/Switch_31 -> gradients/Merge_31:0, gradients/b_count_62:0 (loop, references line 5 and line 1)

什么OPS支持循环就像上面，如何在这些循环创建（蟒蛇），什么是这些循环在会话中运行时的语义？

来源

2017-10-08 Egil Möller

他们被tf.while_loop创建语义遵循经典数据流的原语为分布式while循环，“TensorFlow：一种大型机器学习系统”的第3.4节（link）具有一定的参考

来源

2017-10-08 16:53:13

也许我的问题没有得到不够具体 - 我想直接/从python分别创建这些操作。这似乎主要是无证的，但通过以下方法支持： op._add_input（张量，D型=无） op._update_input（索引，张量，D型=无） op._add_control_input（OPS）我试着阅读tf.while_loop的源代码，但它非常复杂，我不知道它是如何使用这些（或其他）在图中生成依赖性循环的。 –

这些是“隐藏的”操作并且故意没有记录（任何未公开的文档都不是API的一部分，并且可以随时更改/删除），因此阅读源代码可能是最好的方法。看起来tf.while_loop正在被淘汰，也就是说，看到这个[提交]（https://github.com/tensorflow/tensorflow/commit/0fd2a74120b86972441378f79fb5d03e86fed856）进行替换。 'NextIteration'操作可能会保留，但需要更低级别的API来构建它们。 –

PS，这里是一个简单的例子，直接构造合并/切换节点，以便实现某些图的部分的惰性执行 - https://gist.github.com/yaroslavvb/d67410e240369736fc4ba0267250ef27 –

张量流中的图形环

回答

相关问题