Tensorflow control_dependencies不與列表

Question

我有一個成本，這取決於兩個變量列表a和b。
我想：

1. 計算在當前點費用都梯度，
2. 更新的損失w.r.t.第一個變量列表（a）
3. 更新損失w.r.t.第二個變量列表（b）。

按該順序。

要做到這一點我想是這樣的：

編輯：繼@Yaroslav Bulatov的答案，我試過如下：

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) 

知道如果這是做正確的事？如果a和b是變量列表。

爲了能夠然後執行：

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

首先這不起作用，我得到： 不能列表轉換成張量或操作，但control_dependencies應該收到張量清單...

然後獎金問題，我真的需要所有這些control_dependencies？

Answer 1

你grad_cost_wrt_a和grad_cost_wrt_b變量列表，這樣做grad_cost_wrt_a[0], grad_cost_wrt_b[0]