Tensorflow 中的入队和增量变量

Question

如何让张量流图将递​​增的数字推送到队列中？

我只是为了学习目的而这样做，所以我希望你保持它与我正在做的事情相似（并纠正我做错的事情）。这是我的代码：

import tensorflow as tf

# create queue
queue = tf.RandomShuffleQueue(capacity=10, min_after_dequeue=1, dtypes=tf.float32)

# create variables, and "add" operation
push_var = tf.Variable(initial_value=1.0, trainable=False)
add = push_var.assign_add(1)

# enqueue operation
push = queue.enqueue(add)

# dequeue operation
pop = queue.dequeue()

sess = tf.InteractiveSession()

tf.initialize_all_variables().run()

# add var to stack
sess.run(push) # push_var = 2 after ran
sess.run(push) # push_var = 3 after ran
sess.run(push) # push_var = 4 after ran
sess.run(push) # push_var = 5 after ran
sess.run(push) # push_var = 6 after ran
sess.run(push) # push_var = 7 after ran
sess.run(push) # push_var = 8 after ran

# pop variable (random shuffle)
print sess.run(pop)
print sess.run(pop)

sess.close()

输出：

8
8

我希望它是 2 到 8 之间的 2 个随机数。相反，它总是弹出变量的当前值。

这是因为我不是推送变量的实际值而是推送一个指向变量的指针吗？ Tensor Flow 的 documentation 表示 assign_add 返回

一个张量，它将在 添加已完成。

我再次尝试了解 Tensor Flow。如果您有任何学习资源（TensorFlow 网站除外），我将不胜感激！谢谢。

编辑：

将 push = queue.enqueue(add) 更改为 push = queue.enqueue(add + 0) 会导致预期的行为。有人可以解释一下吗？

Answer 1

@David Wong 是正确的，该变量只是对其基础张量的引用。即使你已经推送了 7 次，队列中的 7 个元素都指向同一个底层张量。执行pop时，引用并返回底层张量。

让我再解释一下。 assign_add(1) 只是更新引用的值，因此它返回一个引用。当您执行push = queue.enqueue(add) 时，它会在内部调用tf.convert_to_tensor(add)，如果它的输入也是一个引用，它将返回一个引用。

您可以在 python shell 中检查tf.convert_to_tensor(add) 的输出：

In [2]: tf.convert_to_tensor(add)
Out[2]: <tf.Tensor 'AssignAdd:0' shape=() dtype=float32_ref>

dtype=float32_ref 表示它是一个引用。

至于add + 0，也可以在ipython shell中进行检查，相当于tf.add(add, 0)：

In [3]: add+0
Out[3]: <tf.Tensor 'add:0' shape=() dtype=float32>

它不是一个引用并且有一个父节点add = push_var.assign_add(1)。

所以这里的问题是

1) 一个张量在被推入队列时会被评估，它的所有父节点也会被评估。

在您的情况下，add + 0 被评估，它的父节点 add = push_assign_add(1) 也被评估，它将引用的值增加 1。

2) 推送到队列时不评估引用。队列中有简单的引用。当它们被弹出和引用时，它们的实际张量值被获取。

在您的情况下，所有这些引用都指向同一个张量。所以pops都返回8。

Answer 2

这是因为您的“add”变量实际上是对 push_var 变量的引用。因此，当您推送到队列时，您正在推送对变量的引用。推送“add+0”意味着您正在推送一个新张量，其中包含“add+0”的值和推送时的“add”值，这就是它起作用的原因。