如何在 TensorFlow 中增加变量？答案

【问题标题】：How to Increment a Variable in Tensorflow?如何在 TensorFlow 中增加变量？
【发布时间】：2016-09-24 02:39:56
【问题描述】：

当我尝试在 Tensorflow 中使用主管时，我意识到：

您的训练操作负责增加全局步长值。

(Reference)

那么如何在 Tensorflow 中增加图表中的变量呢？

【问题讨论】：

标签： python-2.7 tensorflow

【解决方案1】：

非常简单的解决方案：

global_step = tf.Variable(1, name='global_step', trainable=False, dtype=tf.int32)
increment_global_step_op = tf.assign(global_step, global_step+1)

然后，当您想增加它时，只需在当前 tf.Session sess 下运行该操作即可。

step = sess.run(increment_global_step_op)

放在step中的结果是递增后变量的值。在这种情况下，global_step 的值是递增后的值。所以2。

如果您像我一样将其用于 global_step，请与您的 training_op 一起运行它。

result = sess.run([out, increment_global_step_op], {x: [i]})

【讨论】：

+1 表示可训练=假。注意assign方法可以替换为tf.assign_add(global_step, 1)
我不明白 global_step 如何与我的优化器相关联？我是否必须明确告诉优化器 global_step 变量是我的全局步骤，或者它是如何工作的？
如果我们稍后要用变量global_step 来除某个数字，用dtype=tf.float32 或tf.float64 来声明它会更好，而不是tf.int32？

【解决方案2】：

增加/减少值是一种常见的操作，所以TF有操作来简化图的创建：tf.assign_add()和tf.assign_sub()。它们结合了两个操作（tf.assign() 和 tf.add/tf.sub）。

以下是使用示例：

import tensorflow as tf

x = tf.Variable(0, name='counter')
inc = tf.assign_add(x, 1, name='increment')

with tf.Session() as sess:
    # writer = tf.summary.FileWriter('logs', sess.graph)
    sess.run(tf.global_variables_initializer())
    for _ in xrange(5):
        print sess.run(inc)

如果您将本示例中的张量板图与您自己示例中的图进行比较，您会发现该图的节点数量较少。

【讨论】：

如果变量不是原始图形的一部分，需要做什么？当使用来自 Tensorflow 网站的 retrain.py 进行迁移学习时，我试图从具有唯一名称的打开的 cv 帧中保存图像。在这种情况下，增量操作会给我错误 ValueError: Fetch argument <tf.Tensor 'increment:0' shape=() dtype=int32_ref> cannot be interpreted as a Tensor. (Tensor Tensor("increment:0", shape=(), dtype=int32_ref) is not an element of this graph.)