偶尔将值赋值给变量(占位符与feed_dict)
偶尔将值赋值给变量(占位符与feed_dict)
提问于 2017-04-23 14:44:29
我有一个模型，在这个模型中，我需要为权重(可训练变量)分配新的外部值，每N次迭代。
我可以想出几种解决方案：
- 保存和恢复 不是很好，因为我需要序列化，通过文件系统调用，等等(即使我使用类似tmpfs之类的东西)
- 使用占位符和分配操作 我将创建一个占位符，并为每个可训练变量分配op。每次我想给权重分配什么的时候，我都会执行分配任务。 但是，我理解这意味着我将被迫在每个feed_dict中考虑这些占位符，并在每次运行图形中的任何操作时传递虚拟值。 此外，我将使用更多的内存，而不是必要的。
- 对可训练变量使用feed_dict并触发将每个变量分配给自己的操作？ 这行得通吗？有什么缺点吗？
在编写代码之前，我觉得问一问是个好主意？建议如何有效地为变量分配新的外部值(内存/时间)？
回答 3
Stack Overflow用户
回答已采纳
发布于 2017-04-24 10:56:38
在最近版本的Tensorflow中，Variable类有load方法。它能做你想做的事。
Stack Overflow用户
发布于 2017-04-23 20:08:45
你的第三选择听起来是最好的选择。
您可以将值提供给不是占位符的张量。
TensorFlow的提要机制允许您将数据注入计算图中的任意张量。因此，python计算可以将数据直接输入图形。
任何可喂食的张量都可以喂食。若要检查张量是否可喂食，请使用：tf.Graph.is_feedable(tensor)。
Stack Overflow用户
发布于 2017-04-23 15:55:10
您可以对占位符使用“分配”操作。
我将被迫在每个feed_dict中考虑这些占位符，并在每次运行图形中的任何操作时传递虚拟值。 此外，我将使用更多的内存，而不是必要的。
不是的。您只需要在运行赋值操作时将值提供给占位符。不要将赋值操作作为培训图的一部分，只在需要分配新值时才运行它们。
如果分配结果是一个瓶颈(对于小N，它可能会减慢您的程序)，您可以考虑将数据输入到其他方法中。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/43572545
复制相关文章
相似问题
腾讯云开发者
