tf.group()用于组合多个操作

最新推荐文章于 2020-09-14 16:09:27 发布

转载最新推荐文章于 2020-09-14 16:09:27 发布 · 6.2k 阅读

tensorflow 专栏收录该内容

53 篇文章

订阅专栏

本文深入解析了TensorFlow中tf.group()函数的功能与使用场景，详细介绍了如何通过该函数来实现多个操作的分组执行，特别适用于训练复杂神经网络模型，如CycleGAN等。同时，文章还对比了tf.group()与tf.tuple()的不同之处，帮助读者理解其在实际项目中的正确应用。

部署运行你感兴趣的模型镜像

tf.group()用于创造一个操作，可以将传入参数的所有操作进行分组。API手册如:

tf.group(
*inputs,
**kwargs
)

ops = tf.group(tensor1, tensor2,...)
其中*inputs是0个或者多个用于组合tensor，一旦ops完成了，那么传入的tensor1,tensor2,...等等都会完成了，经常用于组合一些训练节点，如在Cycle GAN中的多个训练节点，例子如：

generator_train_op = tf.train.AdamOptimizer(g_loss, ...)
discriminator_train_op = tf.train.AdamOptimizer(d_loss,...)
train_ops = tf.groups(generator_train_op ,discriminator_train_op)

with tf.Session() as sess:
sess.run(train_ops)
# 一旦运行了train_ops,那么里面的generator_train_op和discriminator_train_op都将被调用

注意的是，tf.group()返回的是个操作，而不是值，如果你想下面一样用，返回的将不是值

a = tf.Variable([5])
b = tf.Variable([6])
c = a+b
d = a*b
e = a/b
ops = tf.group(c,d,e)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
ee = sess.run(ops)

返回的将不是c,d,e的运算结果，而是一个None，就是因为这个是一个操作，而不是一个张量。如果需要返回结果，请参考tf.tuple()
---------------------
作者：FesianXu
来源：优快云
原文：https://blog.youkuaiyun.com/LoseInVain/article/details/81703786
版权声明：本文为博主原创文章，转载请附上博文链接！