Tensorflow control_dependencies 不适用于列表

Question

我有一个成本，这取决于两个变量列表 a 和 b。
我想：

1. 计算当前点成本的两个梯度，
2. 更新损失 w.r.t.第一个变量列表 (a)
3. 更新损失 w.r.t.第二个变量列表 (b)。

按这个顺序。

为此，我尝试了这样的方法：

编辑：按照@Yaroslav Bulatov 的回答，我尝试了以下操作：

opt=tf.train.GradientDescentOptimizer(0.001)
grad_cost_wrt_a=opt.compute_gradients(cost,[a])
grad_cost_wrt_b=opt.compute_gradients(cost,[b])

with tf.control_dependencies(grad_cost_wrt_a[0]):
  with tf.control_dependencies(grad_cost_wrt_b[0]):
    update_wrt_a=opt.apply_gradients(grad_cost_wrt_a)
      with tf.control_dependencies([update_wrt_a]):
        update_wrt_b=opt.apply_gradients(grad_cost_wrt_b)

想知道这样做是否正确？如果 a 和 b 是变量列表。

然后能够做到：

sess.run([update_wrt_a,update_wrt_b],feed_dict={x: x_input, y: y_input})

首先这不起作用我得到： 无法将列表转换为张量或操作，但 control_dependencies 应该接收张量列表...

那么我真的需要所有这些 control_dependencies 吗？

Answer 1

您的 grad_cost_wrt_a 和 grad_cost_wrt_b 变量是列表，请执行 grad_cost_wrt_a[0], grad_cost_wrt_b[0] 之类的操作