在tensorflow中使用函数封装操作的误区
来源:互联网 发布:淘宝手机端优惠券设置 编辑:程序博客网 时间:2024/06/07 22:57
在tensorflow的计算图中,我们可以利用函数def来封装一些tf操作,但是我们需要使用return语句去规避一些错误,看如下分析:
看如下程序:
import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0)sess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))
运行之后,显示如下错误:
Traceback (most recent call last):
File "E:/PythonProject/cnn_cifar10.py", line 12, in <module>
print(sess.run(add()))
File "E:\Python\lib\site-packages\tensorflow\python\client\session.py", line 889, in run
run_metadata_ptr)
File "E:\Python\lib\site-packages\tensorflow\python\client\session.py", line 1105, in _run
self._graph, fetches, feed_dict_tensor, feed_handles=feed_handles)
File "E:\Python\lib\site-packages\tensorflow\python\client\session.py", line 414, in __init__
self._fetch_mapper = _FetchMapper.for_fetch(fetches)
File "E:\Python\lib\site-packages\tensorflow\python\client\session.py", line 231, in for_fetch
(fetch, type(fetch)))
TypeError: Fetch argument None has invalid type <class 'NoneType'>
此时表明add()没有fetch到参数,因此我们需要对函数里的操作添加return操作:
import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0) return a_changesess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))输出:
10.0
10.0
如果函数中封装了多个操作,就要分情况了
如下程序:
import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0) a_plus_1 = tf.assign_add(a, 1.0) return a_changesess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))输出:
10.0
10.0
此时def中有2个操作,但是只return了a_change,所以会获取到参数,不会出现之前的错误,但是由于没有return a_plus_1操作,所以只运行了a_change操作,所以需要同时return 这2个操作,return的顺序无所谓,修改如下:
import tensorflow as tfdef add(): a_change = tf.assign(a, 10.0) a_plus_1 = tf.assign_add(a, 1.0) return a_plus_1, a_changesess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))
输出:
(10.0, 11.0)
11.0
a = tf.Variable(5.0)import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0) y = a_change + 1 return ysess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))
输出:
11.0
10.0
关于用def函数进行封装的操作是否在tf计算图上的说明:
import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0) return a_changesess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))
上述的tf操作被封装在add()函数中,没有被放在计算图中,若要放在计算图中,则需要调用函数:import tensorflow as tfa = tf.Variable(5.0)def add(): a_change = tf.assign(a, 10.0) return a_changeadd()sess = tf.Session()sess.run(tf.global_variables_initializer())print(sess.run(add()))print(sess.run(a))
- 在tensorflow中使用函数封装操作的误区
- 在封装的静态成员函数中使用类指针
- Tensorflow中reshape()函数的使用
- NSString (NSStringPathExtensions) 中 stringByDeletingPathExtension 等函数使用的误区
- 封装的文件操作函数接口(目前使用在WINCE上)
- SELU︱在keras、tensorflow中使用SELU激活函数
- 【原创】封装数据库操作以及在Razol引擎中使用
- JDBC连接MySQL 方法(封装方法,把增删改查操作封装在函数中)
- 在tensorflow中使用CNN
- 一个在ios中使用tensorflow的demo
- 在Android中使用TensorFlow的原理与步骤
- Windows环境下TensorFlow的安装及如何在Jupyter Notebook中使用TensorFlow
- sql中使用""不等于号的误区
- Mapreduce中Combiner的使用及误区
- Mapreduce中Combiner的使用及误区
- Mapreduce中Combiner的使用及误区
- Directory.GetFiles 方法 中使用的误区
- 关于function中使用this的误区
- (十九)JDK5特性
- 85. Maximal Rectangle
- 文件泄露漏洞
- docker
- yii2 数据库事务
- 在tensorflow中使用函数封装操作的误区
- [日常训练] Tree
- FastDFS+Nginx实现文件服务器
- Python 全局变量 局部变量
- app 安装显示风险软件
- Roman to Integer 罗马数字转化成整数
- 遗传算法的基本原理和matlab实现
- vim 编辑python的一些设置
- Labview-运行崩溃,报错AccessViolation