[英]How to combine sequential operations with side effects in TensorFlow
我正在TensorFlow中开发GAN。 目前的培训时间表是
feed_dict = ...
sess.run(discriminator_train_op, feed_dict);
sess.run(generator_train_op, feed_dict);
sess.run(generator_train_op, feed_dict);
我们发现发电机每步两次,因为我们发现它可以带来更好的稳定性。
现在我想将这些操作组合在一起,所以我只需要给网络供电一次,因为Tensorflow的供电速度很慢。 我试过了
with tf.control_dependencies([discriminator_train_op]):
train_op = tf.group(generator_train_op);
with tf.control_dependencies([train_op]):
train_op = tf.group(generator_train_op);
假设control_dependencies
指定一个操作必须在另一个操作之后进行。 但是,分析时间轴表明,生成器中执行的某些梯度下降与鉴别器中的下降是平行的。 换句话说,不执行该命令。 另外,通过在网络中添加调试语句,我发现组合的train_op
仅训练生成器一次,而不训练两次。
有什么方法可以将对这一系列操作的控制从Python移到Tensorflow?
with tf.control_dependencies([discriminator_train_op]):
train_op_g1 = tf.group(generator_train_op);
with tf.control_dependencies([train_op_g1]):
train_op_g2 = tf.group(generator_train_op);
sess.run([discriminator_train_op, train_op_g1, train_op_g2], feed_dict)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.