在Tensorflow中使用tf.assign时的竞争条件
是指在多线程环境下，多个线程同时对同一个变量进行赋值操作，可能会导致结果的不确定性或错误。这种竞争条件可能会导致数据的不一致性或者程序的崩溃。
为了解决这个问题，Tensorflow提供了tf.Variable类和tf.assign函数来进行变量的赋值操作。tf.Variable类是Tensorflow中的可变变量，可以通过tf.assign函数对其进行赋值。在多线程环境下，可以使用tf.train.Saver类来保存和恢复变量的状态，以避免竞争条件的发生。
为了避免竞争条件，可以采取以下几种方法：
- 使用tf.train.Saver类保存和恢复变量的状态，确保在多线程环境下变量的赋值操作是有序的。
- 使用tf.Variable类创建变量，并使用tf.assign函数对其进行赋值操作，确保变量的赋值是原子操作，避免竞争条件的发生。
- 使用tf.control_dependencies函数指定变量赋值操作的依赖关系，确保变量的赋值操作按照指定的顺序执行，避免竞争条件的发生。
相关·内容
我正在尝试使用tensorflow生成斐波那契数: F(n+2)=F(n+1)+F(n)。每次我运行我的代码，它都会产生不同的结果，非常奇怪。代码很简单，粘贴在下面。
import tensorflow as tf
a = tf.Variable(1)
b = tf.Variable(1)
c = tf.Variable(2)
sum=tf.add(a,b)
as0 = tf.assign(a,b)
as1=tf.assign(b, c)
as2=tf.assign(c, sum)
sess = tf.Session()
init = tf.global_variables_ini
浏览 1提问于2017-06-21得票数 4
这是我的代码片段。x_hat从tensorflow.python.ops.variables.RefVariable转换为tensorflow.python.framework.ops.Tensor
import tensorflow as tf
import tensorflow.contrib.slim as slim
import tensorflow.contrib.slim.nets as nets
tf.logging.set_verbosity(tf.logging.ERROR)
sess = tf.InteractiveSession()
image = tf.Variable
浏览 0提问于2019-07-09得票数 1
回答已采纳
1回答
Tensorflow 说明tf.assign(ref, ...)返回ref，但它似乎(并不奇怪)返回一个Tensor (附加到assign操作)：
import tensorflow as tf
sess = tf.InteractiveSession()
Q = tf.Variable(tf.constant(range(1, 12)))
sess.run(tf.global_variables_initializer())
qop = tf.assign(Q, tf.zeros(Q.shape, tf.int32))#.eval()
print(Q.eval())
print(qop.
浏览 5提问于2017-06-03得票数 2
我现在是个学习卷积神经网络的新手。
因此，本文参考了一篇题为“利用深度卷积神经网络进行ImageNet分类”的论文，在anaconda环境下使用Tensorflow 2.3实现了ImageNet。然而，在实现自定义优化器时，我感到很沮丧。
我的问题是:我必须根据AlexNet文件修改优化器。我无法找到如何更新使用TensorflowV2的变量的引用，我已经在谷歌上搜索过了。只有"tf.assign()“使用，Tensorflow V2不支持它，但是如果要使用这个函数，我也担心V1和V2之间的兼容性。
我只知道我必须定制"_resource_apply_dense“函数来适应我的
浏览 0提问于2020-09-14得票数 2
回答已采纳
我对Tensorflow非常陌生，但我的最终目标是实现Tensorflow 2.0中“使用快速权重关注最近的过去”中描述的体系结构。我从一个来自的拷贝开始，我的想法是简单地将这个SimpleRNN (层)扩展到我所需要的。这个扩展不会花费太多的精力，因为它只包括
( a)创建单元格时初始化矩阵(使用零)，
( b)在调用()函数中手动更新此矩阵。(这是通过简单地构建递归层激活的输出积并将其添加到所述矩阵中来实现的)，
( c)将其添加到正常的储层活动中。
我的问题是，在尝试手动更新此矩阵时，会出现以下错误：
TypeError: An op outside of the function bu
浏览 3提问于2019-10-17得票数 0
1回答
我对tensorflow如何处理内存有一些困难。在这个玩具示例每次迭代之后，我想从我的记忆中删除张量。
我正在使用tensorflow EagerExecution。我试过用变量和简单的张量。tf.assign不做这项工作。越来越多的内存被使用。为了能计算梯度，我想这是正常的。即使在每次迭代结束时应用一些虚拟优化器，内存也不会释放(更准确地说，有时会发生这种情况，但总体趋势是内存使用量正在增加)。
那么，是否可以手动删除呢？
import tensorflow as tf
import tensorflow.contrib.eager as tfe
import numpy as np
imp
浏览 2提问于2018-05-31得票数 3
在尝试使用Tensorflow中的主管时，我意识到：
您的培训操作负责递增全局步骤值。
()
那么，如何在Tensorflow中的图中增加变量呢？
浏览 5提问于2016-09-24得票数 4
回答已采纳
我需要将字典提供给Tensorflow中的一组变量，并实际更改它们的值。我尝试了: sess.run([]，feed_dict=feed_dict)，运行结果是使用feed_dict执行的，但变量值没有更新。为了更新值，我还尝试在每个变量上执行"load“。这是可行的，但效率极低。加载20M数据的~20个变量需要10秒。我需要它在1秒内。(喂它只需要大约100ms)有没有更有效的方法来做到这一点？ 下面是一个示例： import tensorflow as tf
import numpy as np
variables = []
for i in range(100):
v
浏览 4提问于2019-02-28得票数 0
回答已采纳
这听起来很简单，但我在网上找不到任何信息。我可能缺乏一些基本的理解。
我想做一些简单的事情:循环变量。可以这样说：
Z(t) = W * Z(t-1)
有一些固定的(但可训练的) W。
我试过这样的方法：
initializer = tf.random_uniform_initializer(0., 1.)
with tf.variable_scope('recurrent', initializer=initializer):
Z = tf.get_variable('Z', shape=[...])
Z = tf.matmul(W, Z)
但是当然，
浏览 1提问于2016-07-11得票数 2
回答已采纳
1回答
我主要是在R中开发我的模型，我目前正在学习TensorFlow。我正在用下面的代码学习一个教程
raw_data = [1., 2., 8., -1., 0., 5.5, 6., 13]
spike = tf.Variable(False)
spike.initializer.run()
for i in range(1, len(raw_data)):
if raw_data[i] - raw_data[i-1] > 5:
updater = tf.assign(spike, True)
updater.eval()
else:
浏览 5提问于2018-01-01得票数 7
回答已采纳
在sklearn中，我习惯于有一个模型，可以先运行fit，然后再运行predict。然而，使用TensorFlow时，我在调用fit时从predict加载学习到的参数时遇到了问题。归根结底，我不知道如何在会话之间重用变量的值。例如,
import tensorflow as tf
x = tf.Variable(0.0)
# fit code
with tf.Session() as sess1:
sess1.run(tf.global_variables_initializer())
sess1.run(tf.assign(x, 1.0)) # at end of tra
浏览 18提问于2017-07-17得票数 4
在下面的简单代码中，梯度得到了正确的计算。
import tensorflow as tf
x = tf.constant([1, 2, 3, 4], dtype=tf.float32)
y = tf.Variable(tf.ones_like(x), dtype=tf.float32)
y = 2*x
grad = tf.gradients(y, x)
ini = tf.global_variables_initializer()
with tf.Session() as ses:
ses.run(ini)
print(ses.run(grad))
正如预期的那样，
浏览 0提问于2018-01-13得票数 1
回答已采纳
下面是一个最小的测试用例，其中我创建了一个变量v，我想将它初始化为值为777 (对于简化的测试用例)。
注意:我不能用普通的初始化器初始化v，因为它依赖于对所有变量计算的规范化常量(其中一些变量在创建v时还没有创建)。
我的解决方案(下面)是创建一个布尔变量full_init_cond，一旦我运行了一些初始化/赋值操作，就会将其设置为True，并使用tf.cond来确保它们只运行一次。
import tensorflow as tf
v = tf.Variable(0, trainable=False)
full_init_cond = tf.Variable(False, trainabl
浏览 0提问于2018-03-14得票数 1
回答已采纳
tf.cond和如果-否则有什么区别？
场景1
import tensorflow as tf
x = 'x'
y = tf.cond(tf.equal(x, 'x'), lambda: 1, lambda: 0)
with tf.Session() as sess:
print(sess.run(y))
x = 'y'
with tf.Session() as sess:
print(sess.run(y))
场景2
import tensorflow as tf
x = tf.Variable('x')
y
浏览 9提问于2017-08-05得票数 12
回答已采纳
1回答
我正在用Tensorflow 实现这篇论文。本文中使用的损失函数具有依赖于张量的运行时值和真实标签的项。据我所知，Tensorflow创建一个静态计算图，然后在会话中执行它。我发现很难实现本文中提到的预测和损失函数，因为它们都在运行时动态变化。我尝试在我的代码中使用tf.cond()，但是结果是'None‘作为渐变。因此，我的网络根本没有得到训练。
class_scores = tf.matmul(pooled, W_classes)
n_correct = tf.Variable(0, trainable=True)
for t in xrange(batch_size):
浏览 6提问于2017-12-22得票数 1
1回答
我正试图更好地掌握TensorFlow。我偶然发现了控制依赖的概念。据我所知，我们指定的操作顺序与执行期间的Tensorflow并没有真正的关系。为了优化执行速度，TensorFlow决定了自己计算节点的顺序。但是我们可以使用tf.control_dependencies定制执行顺序。我无法理解该功能的用例。有人能告诉我一些资源(文档除外)或者解释这个函数的工作吗？举个例子：
tf.reset_default_graph()
x = tf.Variable(5)
y=tf.Variable(3)
assign = tf.assign(x,x+y)
z = x+assign
with tf.Se
浏览 0提问于2019-03-11得票数 10
回答已采纳
下面的代码有什么问题？如果tf.assign op发生在循环之外，则将其应用于tf.Variable的一个片段时，它工作得很好。但是，在这种情况下，它给出了下面的错误。
import tensorflow as tf
v = [1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0]
n = len(v)
a = tf.Variable(v, name = 'a')
def cond(i, a):
return i < n
def body(i, a):
tf.assign(a[i], a[i-1] + a[i-2])
return
浏览 1提问于2018-07-07得票数 5
回答已采纳
我是TensorFlow的新手，我在以下方面有点困难： ? 和 ? ，我想计算一下 ? 。 我知道如何在不使用移位的情况下计算梯度，以及如何使用移位计算梯度，但我不知道如何计算。 ? 象征性的。 import tensorflow as tf
x = tf.placeholder(tf.float32)
f = (x + 1.0)**2
s = tf.constant(1.0, tf.float32)
# Gradient of f(.)
grad_f = tf.gradients(f, x)[0]
# Gradient of f(. + s)
grad_f_shifted = ? 请
浏览 17提问于2019-05-16得票数 1
1回答
我试图了解Session.run()是如何在Tensorflow流中工作的。我知道Session.run()运行我们给它的"fetch“参数指定的子图。因为根据子图的哪一部分首先执行，我们可能得到不同的结果，我试图看看是否真的是这样。假设我们比较了这段代码的输出：
import tensorflow as tf
x = tf.Variable(42)
assign1 = tf.assign(x, 13)
assign2 = tf.assign(x, 14)
with tf.Session() as sess:
sess.run(tf.global_variables_ini
浏览 0提问于2018-01-26得票数 1
回答已采纳
我完全是tensorflow的新手，我正在学习
https://www.tensorflow.org/get_started/get_started
fixW = tf.assign(W, [-1.])
工作正常，但是
fixb = tf.assign(b, [1.])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/home/milenko/anaconda3/lib/python3.6/site-packages/tensor
浏览 4提问于2017-06-26得票数 7
回答已采纳
我试图理解tf.assign和赋值运算符(=)之间的区别。我有三组代码
首先，使用简单的tf.assign
import tensorflow as tf
with tf.Graph().as_default():
a = tf.Variable(1, name="a")
assign_op = tf.assign(a, tf.add(a,1))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print sess.run(assign_op)
p
浏览 22提问于2017-08-20得票数 14
回答已采纳
我尝试使用以下代码来等同tensorflow中的张量： import tensorflow as tf
import numpy as np
a = tf.placeholder(tf.float32, shape=[2,2])
b = tf.Variable(tf.zeros(shape = [1,1]))
sess = tf.Session()
b[0,0]=a[0,0]
sess.run(tf.initialize_all_variables()) 但是有一条错误消息"'RefVariable‘对象不支持项目分配“。我应该如何修改？
浏览 14提问于2019-02-27得票数 3
我在Tensorflow中实现了以下示例：
import tensorflow as tf
import numpy as np
def loss_function(values, a, b):
N = values.shape[0]
i = tf.constant(0)
values_array = tf.get_variable(
"values", values.shape, initializer=tf.constant_initializer(values))
result = tf.constant(0, dtyp
浏览 0提问于2018-09-20得票数 0
我正在尝试在GPU2.0中加载模型权重，以进行多TensorFlow训练。我的模型检查点来自Tensorflow 1.0中的训练。 这就是我在TF1中加载权重的方式。 var_list = tf.trainable_variables()
for var in var_list:
vname = ''.join(var.name.split('semantic/'))
val = tf.contrib.framework.load_variable(checkpoint, vname)
tf.assign(var,
浏览 26提问于2020-06-26得票数 0
在Pytorch中，您可以很容易地更新张量，如下所示：
for i in range(x_len):
tensor_abc[:, i, i] = 0
我们怎样才能更新像tensorflow这样的张量呢？
我试过tf.assign和tf.scatter_update，但是做得很好。
浏览 0提问于2018-10-04得票数 2
回答已采纳
给定一个具有两个变量var1和var2的Tensorflow图，我希望将var1的值赋值给var2，反之亦然。这样做的一个简单方法是(在文章末尾的MWE)
var_tmp = var1.eval(session=sess)
sess.run([tf.assign(var1, var2])
sess.run([tf.assign(var2, var_tmp)])
但是，如果有几对这样的变量(例如模型参数和相关的指数加权移动平均值)，这种方法很快就会变慢，因为每个变量调用run三次，并且实际上会造成内存泄漏()。此外，由于var_tmp放在CPU上，如果var1和var2位于GPU上，由于数据传输
浏览 0提问于2018-09-21得票数 0
回答已采纳
我在Variable中创建了一个TensorFlow：
c = tf.Variable([1.0, 2.0, 3.0], tf.float32)
然后我定义一个占位符：
x = tf.placeholder(tf.float32)
之后，我定义了一个函数(计算图)，它结合了上面定义的两个对象：
y = x + c
之后，我将“初始化”全局变量：
s = tf.Session()
init = tf.global_variables_initializer()
s.run(init)
最后，我可以运行我的函数：
s.run(y, {x : [10.0, 20.0, 30.0]})
现在，我想更改
浏览 2提问于2017-10-04得票数 0
回答已采纳
我已经分别训练了两个模型，我想加载它们的变量并对它们进行平均。但是tf.get_default graph()出了问题
下面是我的代码结构(我知道这是错误的，但是如何正确编写呢？)
sess = tf.session()
saver_one = tf.train.import_meta_graph('./model1.ckpt.meta')
saver_one.restore(sess,'./model1.ckpt')
graph_one = tf.get_default_graph()
wc1 = graph_one.get_tensor_by_name(&#
浏览 19提问于2018-01-29得票数 0
回答已采纳
我是TensorFlow的初学者，所以我只是尝试运行Fibonacci算法。
到目前为止，我编写了以下代码：
a=tf.constant(1)
b=tf.Variable(1)
print(a)
print(b)
with tf.Session() as session:
init_op = tf.initialize_all_variables()
session.run(init_op)
for i in range(0, 10):
sum_value = tf.add(a, b)
assign_op1=tf.assign(a, b
浏览 1提问于2017-05-27得票数 0
回答已采纳
在Tensorflow中实现权重噪声的最佳方式是什么？我应该提取所有的权重并应用噪波吗？或者我应该将噪波应用于渐变？
浏览 5提问于2016-08-03得票数 6
回答已采纳
我正在尝试做的是为我的神经网络建立一个权重矩阵，该矩阵的大小会增长(即每次迭代都会添加一个神经元)。但是，我不想再次使用tf.Variable，因为这将浪费内存，因为复制前一个矩阵中的值而不是展开矩阵本身。
我已经看到人们使用validate_shape设置为False的tf.assign，然而，这并没有正确地改变变量的形状，我认为这是一个错误，但tensorflow GitHub似乎不同意(我不明白为什么从他们的)。
下面是这个问题的一个简化示例。X是我想要扩展的矩阵，这样就可以将它添加到z中。
import tensorflow as tf
import numpy as np
#
浏览 1提问于2017-05-28得票数 0
我在Tensowrflow图中实现了一些张量初始化。同时，这些作业应该按正确的顺序调用，因为它们使用其他作业的结果。如果我将分配节点公开给外部，用户(我也是)应该使用会话调用来运行它们。
sess.run([assign1, assign2, ...])
按正确的顺序排列，可能会出错。我是否可以将分配的序列加入到单个操作中，并且只公开它的运行？
更新
我写了这段代码然后发现它印了眼睛？为什么？它应该打印b的随机插入，不是吗？
import tensorflow as tf
tf.reset_default_graph()
a = tf.eye(2, 2)
b = tf.get_variab
浏览 0提问于2017-10-11得票数 1
回答已采纳
请参阅代码片段：
import tensorflow as tf
x = tf.Variable(1)
op = tf.assign(x, x + 1)
with tf.Session() as sess:
tf.global_variables_initializer().run()
print(sess.run([x, op]))
有两种可能的结果：
x=1和op=2
x=2和op=2
它们取决于评估的顺序，对于第一种情况，x是在op之前计算的，而对于第二种情况，x是在op之后计算的。
我已经运行了很多次代码，但是结果总是x=2 and op=2。因此，我猜想t
浏览 0提问于2018-12-11得票数 7
我已经安装了tensorflow的2.0beta 1发行版，但它似乎没有赋值属性。在这种情况下，是否存在与tf.assign()等价的方法？
浏览 0提问于2019-08-01得票数 0
回答已采纳
我想了解是否有一个原因，以下的行为，可以通过下面的代码片段再现。
当我请求sess.run返回Variable值时，它返回的值并不取决于可能在返回变量之前更新变量的所有操作。
在这里的示例中，我正在测试应用于将变量a的值复制到b中的依赖关系，然后再用随机值重新分配a。
这个过程可以工作，但是第一个打印语句的结果是任意的(取决于任意的处理顺序)，第二个打印语句的结果是正确的。
我自然会期望张量a和b返回的值是变量在所有计算的END中的值，但事实并非如此。
是否有一个很好的理由而不是，包括对作为sess.run一部分请求的变量的隐式控件依赖？
import tensorflow as tf
a
浏览 8提问于2017-12-02得票数 1
回答已采纳
我正在努力学习TensorFlow，所以我想编写一个fibonacci序列(它的一部分，ofc)。
这个练习受到IBM认知类的启发。
这是我的代码：
#import stuff
import tensorflow as tf
# define the first 2 terms of the sequence
a = tf.Variable(0)
b = tf.Variable(1)
# define the next term. By definition it is the sum of the previous ones
newterm = tf.add(a,b) # or
浏览 1提问于2017-11-10得票数 1
回答已采纳
在下面的代码中，为了练习使用TensorFlow，我编写了一个four循环来打印斐波那契序列。然而，在几次迭代之后，它将数字变为负数，然后只返回零。为什么？我该如何解决这个问题呢？顺便说一句，如果我使用浮点数，它工作得很好。此外，为什么与简单的算法相比，这种算法会如此之慢？
import tensorflow as tf
var1 = tf.Variable(1, tf.int8)
var2 = tf.Variable(1, tf.int8)
temp = tf.Variable(0, tf.int8)
var12 = tf.add(var1, var2)
task1 = tf.assig
浏览 0提问于2016-11-10得票数 0
我试图使用Python为Tensorflow神经网络的权重和值设置特定的值。为此，我将所有权重和偏差放在一个公共集合中，并对每个层的张量进行适当的整形和使用tf.concat。
在代码的某个阶段，我检索了上述集合。然而，当我尝试tf.assign (使用相同形状的tf.placeholder )到这些连在一起的张量，以便从一个单一的值向量(例如坐在feed_dict中)设置所有的权重/偏差时，我就会得到错误。
AttributeError: 'Tensor' object has no attribute 'assign'
我把我的问题归结为一个最低限度的工作例
浏览 0提问于2017-12-07得票数 2
回答已采纳
2回答
我是tensorflow的新手，我试着理解计算图是如何工作的。我在tensorflow网站上做一个非常基本的线性回归例子。我有以下代码：
import numpy as np
import tensorflow as tf
def manual_loss(_w, _b, _x, _y):
_loss = 0.0
n = len(_x)
for j in range(n):
_loss += (_w * _x[j] + _b - _y[j]) ** 2
return _loss
def manual_grads(_w, _b, _x, _y)
浏览 1提问于2017-06-27得票数 2
回答已采纳
我正在使用tensorflow的seq2seq.py中的函数构建seq2seq模型，其中的函数如下所示：
embedding_rnn_seq2seq(encoder_inputs, decoder_inputs, cell,
num_encoder_symbols, num_decoder_symbols,
embedding_size, output_projection=None,
feed_previous=False, dtype=
浏览 6提问于2016-08-30得票数 1
回答已采纳
今天，我在Tensorflow的LSTM中添加了一个学习速率衰减。
我变了
train_op = tf.train.RMSPropOptimizer(lr_rate).minimize(loss)
至
lr = tf.Variable(0.0,trainable=False)
每走一趟火车
sess.run(tf.assign(lr, lr_rate*0.9**epoch))
但是，此更改将执行时间从~7分钟增加到超过20分钟。
我的问题是:为什么这种改变会增加执行时间？
一个明显的解决办法是每1000次迭代一次就执行一次任务。然而，我想了解这背后的原因。
sess.run()需要额外的时
浏览 1提问于2016-06-22得票数 3
1回答
我是tensorflow的新手，我试图理解它的行为；我试图定义会话范围之外的所有操作，以便优化计算时间。在以下代码中：
import tensorflow as tf
import numpy as np
Z_tensor = tf.Variable(np.float32( np.zeros((1, 10)) ), name="Z_tensor")
Z_np = np.zeros((1,10))
update_Z = tf.assign(Z_tensor, Z_np)
Z_np[0][2:4] = 4
with tf.Session() as sess:
ses
浏览 0提问于2018-11-04得票数 1
回答已采纳
我有以下简单的Theano代码，我想在TensorFlow中复制这些代码：
import theano as th
import theano.tensor as T
import numpy as np
x = T.vector()
c = th.shared(np.array([1.0, 2.0]))
y1 = x + c
c.set_value(np.array([10.0, 20.0]))
y2 = x + c
c.set_value(np.array([100.0, 200.0]))
print 'Y1:', th.function([x],y1)([0.0, 0.
浏览 3提问于2017-10-06得票数 1
回答已采纳
1回答
其目标是在TensorFlow中实现一个递归函数来对信号进行一段时间的滤波。
input后来被表示为[batch, in_depth, in_height, in_width, in_channels]形式的5维张量.我希望使用在in_depth上迭代，并根据前面时间步骤的值重新分配值。但是，我未能在循环中重新分配变量值。
为了简化问题，我创建了一个一维版本的问题：
def condition(i, signal):
return tf.less(i, signal.shape[0])
def operation(i, signal):
signal = tf.get_var
浏览 1提问于2017-08-01得票数 1
回答已采纳
我正在构建一个声音检测应用程序的原型，最终将在手机(iPhone/Android)上运行。它需要接近实时，以便在识别特定声音时给用户足够快的响应。我希望使用tensorflow来实际构建和训练模型，然后将其部署到移动设备上。
我不确定的是，在这种情况下，将数据提供给tensorflow进行推理的最佳方式。
选项1:仅将新获取的样本馈送到模型。
在这里，模型本身保留了一个先前信号样本的缓冲区，新的样本将被附加到该缓冲区中，并对整个过程进行处理。类似于：
samples = tf.placeholder(tf.int16, shape=(None))
buffer = tf.Variable([]
浏览 2提问于2017-01-08得票数 2
我刚刚开始使用Tensorflow，想知道下面的代码是否是计算累积滚动平均的正确方法
import tensorflow as tf
import numpy as np
x = tf.Variable(0, name = "x")
x_pld = tf.placeholder(tf.int32)
update_x = tf.assign(x, x_pld)
curr_avg = tf.Variable(tf.constant(0.), name="curr_avg")
avg_pld = tf.placeholder("float")
up
浏览 1提问于2016-05-27得票数 2
2回答
我是tensorflow的新手，我正在寻找一个计算n的函数！我看到一个人可以使用伽马函数，这是可能的，但对tensorflow不起作用。
factorial = theano.tensor.gamma(v)
我使用for循环将数从n乘到1，但我假设有一种更简单、更快的方法。我看到了与伽马分布有关的函数，但不知道如何计算阶乘。如果有人能告诉我一些文件，我会很感激的。
我现在就是这样做的
import tensorflow as tf
factorial = tf.Variable(1, "factorial")
recursion = tf.Variable(1, "r
浏览 4提问于2017-11-06得票数 1
回答已采纳
我在单词嵌入序列上使用RNN对句子进行分类。一开始，我在给预先训练过的单词嵌入内容，一切都很好。我将嵌入矩阵设置为一个具有维度(词汇量、嵌入大小)的tf.placeholder，并从GloVe中提供了一些经过预先训练的嵌入。我还使用tf.nn.embedding_lookup将输入(即单词ID序列)转换为嵌入序列。
然后我想让模型也训练嵌入，所以我把嵌入矩阵变成了tf.Variable，而不是占位符。现在TensorFlow给了我这个错误--显然AdamOptimizer不能处理嵌入查找。知道怎么回事或者怎么解决这个问题吗？
tensorflow.python.framework.errors
浏览 1提问于2017-04-30得票数 1
回答已采纳
我用tensorflow ops编写了一个函数。我知道，当我运行这个函数时，它会把很多操作添加到图中。但我对如何进入这些行动感到困惑。
例如：
def assign_weights():
with tf.name_scope('zheng'):
v = tf.Variable(0, 'v', dtype=tf.float32)
b = tf.placeholder(tf.float32, shape=())
z = tf.assign(v, b)
return z, b
只有将feed_dict设置
浏览 1提问于2018-09-03得票数 1
回答已采纳
我在TensorFlow中有一组变量，比如x1, x2,..., x9
我正在尝试以这样一种方式来转移变量的数据，即x(i+1)转移到x(i)，最终x1丢失而x9相同。我尝试的是创建一个使用tf.assign()的which操作字典，它很有效，但速度很慢。
我想要做的一种方法是制作一个Variable数组，然后使用tf.gather()和tf.scatter_update()移入数组本身，但这将再次变得混乱，因为将需要许多操作。
我想知道在TensorFlow中有没有一种很好的干净利落的方法。我的另一种想法是重命名变量，我认为这是不可能的。
初始代码：
#some tf.Variabl
浏览 1提问于2016-06-10得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
