Tensorflow中的函數

（編輯原始問題）在Tensorflow中，我們經常需要定義包含變量的函數，以在中間的網絡層上實現。有沒有評估此例如輸出的方式：Tensorflow中的函數

import tensorflow as tf 
def Mult(mult): 
    A = tf.get_variable([2,2], initializer = tf.zeros_initializer) 
    B = tf.get_variable([2,2], initializer = tf.zeros_initializer) 
    return mult*tf.matmul(A,B) 

with tf.Session() as sess: 
    sess.run(tf.global_variables_initializer()) 
    # Here we alter the variables A,B in some fashion e.g. in an optimisation algorithm 
    print(Mult(A,B))

產生一個錯誤

來源

2017-08-24 sbb

有三個錯誤在代碼：

如果你創建一個函數，接受
， B作爲參數，在函數中創建具有相同名稱的變量沒有多大意義。因此，要麼刪除A和B參數，要麼不要在函數內部創建變量。
Mult(A,B)返回張量。要檢索張量的值，您需要在會話中對其進行評估。會話會跟蹤參數A和B的值，從中可以計算出Mult(A,B)的值。
tf.get_variable函數需要一個name參數。下面

代碼修復你的錯誤：

import tensorflow as tf 

def Mult(): 
    A = tf.get_variable('A', shape=[2,2], initializer = tf.zeros_initializer) 
    B = tf.get_variable('B', shape=[2,2], initializer = tf.zeros_initializer) 
    return tf.matmul(A,B) 

with tf.Session() as sess: 
    result = Mult() 
    sess.run(tf.global_variables_initializer()) 
    print(sess.run(result))

來源

2017-08-24 19:37:49 GeertH

爲什麼它產生一個錯誤，如果行：結果= ......，和sess.run（TF .....切換？ – sbb

'sess.run（tf.global_variables_initializer（））'初始化圖形中的所有全局變量。如果在調用'Mult（）'之前調用它，圖形中沒有變量，而您最終得到兩個單位變量（'A'和'B'）。 – GeertH

沒有與代碼的幾個問題。首先，由於您將變量A和B傳遞給該函數，因此您無需在函數內對它們進行初始化。因此，功能應該是這樣的：

def Mult(A,B): 
    return tf.matmul(A,B)

接下來，你需要初始化之前定義的變量，因此該行所定義的變量後

sess.run(tf.global_variables_initializer())

應該會出現。

另外，如果你想獲得的Mult(A,B)數值，應打印

sess.run(Mult(A,B))

並不僅僅是Mult(A,B)（因爲後者只會給你一個張量對象）。

最後，您需要爲您定義的變量提供一個名稱。 [2,2]是形狀（函數的第二個參數）。第一個參數應該是名稱。

這裏是校正後的代碼：

import tensorflow as tf 
def Mult(A,B): 
    return tf.matmul(A,B) 

A = tf.get_variable('A',shape=[2,2], initializer = tf.zeros_initializer) 
B = tf.get_variable('B',shape=[2,2], initializer = tf.zeros_initializer) 

with tf.Session() as sess: 
    sess.run(tf.global_variables_initializer()) 
    print(sess.run(Mult(A,B)))

這將打印

[[ 0. 0.] 
[ 0. 0.]]

來源

2017-08-24 19:38:53

Tensorflow中的函數

回答

相關問題