重用张量流图的一部分答案

【问题标题】：reusing part of tensorflow graph重用张量流图的一部分
【发布时间】：2017-04-15 05:00:57
【问题描述】：

我有一些起始值s_in，我想对其执行几次操作：

import tensorflow as tf

s_in_pl = tf.placeholder(tf.float32)
s_current = s_in_pl
def foo(a):
    return tf.exp(s_in_pl)

step_count = 1000
for i in range(step_count):
    s_current = foo(s_current)

s_in = [1,2,3]
with tf.Session():
    print s_current.eval(feed_dict={s_in_pl: s_in})

所以我首先将数据作为占位符，然后再次使用定义的操作作为输入。

问题是：foo 的图形是否可以创建一次，然后以某种方式重用，而无需评估其间的值（我需要计算梯度）？当step_count 很大并且foo 很复杂并且在TensorBoard 中造成混乱时，创建这样的图表需要一些时间。

【问题讨论】：

标签： python tensorflow

【解决方案1】：

在计算中“重用”同一图的最简单方法是将foo() 放入tf.while_loop() 的主体中。例如，以下代码等价于您的基于 for-loop 的代码，并且生成的图形要小得多，仍然可以区分：

import tensorflow as tf

s_in_pl = tf.placeholder(tf.float32)
def foo(a):
    return tf.exp(s_in_pl)

step_count = 1000

# Ignore the first return value (which will be the final value of the iteration
# counter, `i`).
_, s_final = tf.while_loop(lambda i, _: i < step_count,
                           lambda i, s_current: [i + 1, foo(s_current)],
                           [0, s_in_pl])

s_in = [1,2,3]
with tf.Session():
    print s_final.eval(feed_dict={s_in_pl: s_in})

【讨论】：