在 Tensorflow 中的线程之间共享变量

Question

我正在尝试使用 Python 线程通过 TensorFlow 实现异步梯度下降。在主代码中，我定义了图形，包括一个训练操作，它获取一个变量来保持global_step 的计数：

with tf.variable_scope("scope_global_step") as scope_global_step:
    global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
optimizer = tf.train.GradientDescentOptimizer(FLAGS.learning_rate)
train_op = optimizer.minimize(loss, global_step=global_step)

如果我打印global_step 的名字，我会得到：

scope_global_step/global_step:0

主代码还启动了几个线程来执行training方法：

threads = [threading.Thread(target=training, args=(sess, train_op, loss, scope_global_step)) for i in xrange(NUM_TRAINING_THREADS)]
for t in threads: t.start()

如果global_step 的值大于或等于FLAGS.max_steps，我希望每个线程停止执行。为此，我构建了training 方法，如下所示：

def training(sess, train_op, loss, scope_global_step):
    while (True):
         _, loss_value = sess.run([train_op, loss])
         with tf.variable_scope(scope_global_step, reuse=True): 
            global_step = tf.get_variable('global_step', [], initializer=tf.constant_initializer(0), trainable=False)
            global_step = global_step.eval(session=sess)
            if global_step >= FLAGS.max_steps: break

失败并显示以下消息：

ValueError：共享不足：变量 scope_global_step/global_step 不存在，不允许。您的意思是在 VarScope 中设置 reuse=None 吗？

我可以看到 :0 在第一次创建时添加到变量的名称中，当我尝试检索它时，没有使用该后缀。为什么是这样？ 如果我在尝试检索变量时手动将后缀添加到变量的名称中，它仍然声称该变量不存在。为什么 TensorFlow 找不到变量？变量不应该在线程之间自动共享吗？我的意思是，所有线程都在同一个会话中运行，对吗？

还有一个与我的training 方法相关的问题：global_step.eval(session=sess) 会再次执行图表，还是会在执行train_op 和loss 操作后获取分配给gloabl_step 的值？一般来说，从要在 Python 代码中使用的变量中获取值的推荐方法是什么？

Answer 1

TL;DR: 将您在第一个代码片段中创建的 global_step tf.Variable 对象作为训练线程参数之一传递，并在传入的变量上调用 sess.run(global_step) .

作为一般规则，您的训练循环（尤其是单独线程中的训练循环）不应修改图表。 tf.variable_scope() 上下文管理器和tf.get_variable() 可以 修改图形（尽管它们并不总是），所以你不应该在训练循环中使用它们。最安全的做法是在创建训练线程时将global_step 对象（您首先创建的）作为args 元组之一传递。然后你可以简单地将你的训练函数重写为：

def training(sess, train_op, loss, global_step):
    while (True):
         _, loss_value = sess.run([train_op, loss])
         current_step = sess.run(global_step)
         if current_step >= FLAGS.max_steps: break

要回答您的其他问题，运行global_step.eval(session=sess) 或sess.run(global_step) 只会获取global_step 变量的当前值，并且不会重新执行图表的其余部分。这是获取 tf.Variable 值以在 Python 代码中使用的推荐方法。