Tensorflow如何管理图形？

我已经意识到Tensorflow似乎在管理图形的方式上有一些时髦的东西。由于构建（和重建）模型非常繁琐，我决定将自定义模型包装在一个类中，以便我可以在其他地方轻松地重新实例化它。Tensorflow如何管理图形？

当我在训练和测试代码时（在原来的地方），它会工作的很好，但是在我加载图形变量的代码中，我会得到各种奇怪的错误 - 变量重定义和其他一切。这个（从我最后一个类似的问题）提示，一切都被称为两次。

做了跟踪TON后，它回到了我使用加载的代码的方式。它正在从一个类，有一个结构，像这样

class MyModelUser(object): 
    def forecast(self): 
     # .. build the model in the same way as in the training code 
     # load the model checkpoint 
     # call the "predict" function on the model 
     # manipulate the prediction and return it

然后在一些代码，使用MyModelUser我有

def test_the_model(self): 
    model_user = MyModelUser() 
    print(model_user.forecast()) # 1 
    print(model_user.forecast()) # 2

和我（显然）有望看到两个预测这时候内使用被称为。相反，第一个预测被称为按预期工作，但第二个电话扔变量重用的TON ValueError异常的这些中的一个例子是：

ValueError: Variable weight_def/weights already exists, disallowed. Did you mean to set reuse=True in VarScope?

我设法通过增加一系列平息错误试图/使用get_variable创建变量的块除外，然后在例外情况下，在范围上调用reuse_variables，然后在名称上调用get_variable。这带来了一套新的严重的错误，其中之一就是：

tensorflow.python.framework.errors.NotFoundError: Tensor name "weight_def/weights/Adam_1" not found in checkpoint files

一时心血来潮我说：“如果我的造型建筑物代码移到__init__所以其只内置了一次？”

我的新机型的用户：

class MyModelUser(object): 
    def __init__(self): 
     # ... build the model in the same way as in the training code 
     # load the model checkpoint 


    def forecast(self): 
     # call the "predict" function on the model 
     # manipulate the prediction and return it

现在：

def test_the_model(self): 
    model_user = MyModelUser() 
    print(model_user.forecast()) # 1 
    print(model_user.forecast()) # 2

按预期工作，印花两大预测没有错误。这使我相信我也可以摆脱可变重用的东西。

我的问题是这样的：

这是为什么解决它？从理论上讲，应该在原始预测方法中每次都重新调整图形，因此它不应该创建多个图形。即使函数完成后，Tensorflow是否仍然保持图形？这就是为什么将创建代码移动到__init__工作？这让我无望地感到困惑。

来源

2016-11-28 rec

默认情况下，TensorFlow使用首次调用TensorFlow API时创建的单个全局tf.Graph实例。如果您不明确创建tf.Graph，则将在该默认实例中创建所有操作，张量和变量。这意味着您在model_user.forecast()的代码中的每个调用都会将操作添加到同一个全局图中，这有点浪费。

有（至少）动作的两种可能的课程在这里：

理想的行动是调整你的代码，以便MyModelUser.__init__()构建整个tf.Graph所有进行预测所需要的操作，而MyModelUser.forecast()只需在现有图上执行sess.run()调用。理想情况下，您也只能创建一个tf.Session，因为TensorFlow会在会话中缓存关于图形的信息，并且执行效率会更高。
的创伤更小—但可能不太有效—变化将是创建一个新的tf.Graph每次调用MyModelUser.forecast()。这是由很多国家是如何在MyModelUser.__init__()方法创建的问题尚不清楚，但你可以不喜欢下面把两个调用不同的图表：
```
def test_the_model(self): 
    with tf.Graph(): # Create a local graph 
    model_user_1 = MyModelUser() 
    print(model_user_1.forecast()) 
    with tf.Graph(): # Create another local graph 
    model_user_2 = MyModelUser() 
    print(model_user_2.forecast()) 
```

来源

2016-11-28 17:21:36 mrry

TF有一个默认图表，新的操作等被添加到。当你调用你的函数两次时，你会将同样的东西两次添加到同一个图中。因此，无论是构建一次图并多次评估（就像你已经完成的那样，这也是“正常”方法），或者，如果你想改变一些东西，你可以使用reset_default_graph https://www.tensorflow.org/versions/r0.11/api_docs/python/framework.html#reset_default_graph来重置图，以便拥有一个新鲜的状态。

来源

2016-11-28 17:20:53 etarion

Tensorflow如何管理图形？

回答

相关问题