sess.run（）无法运行？

Question

我是新来的人，正在研究张量流并遇到问题。

import model_method
fittt(model_method.build(self,...),...parameters...)

以上是在main.py中导入的model_method.py。 main.py中的fittt函数：

def fittt(model,...):
    model.fit(...)

在model_method.py中的build（） ：

def build(self,...):
    self.op_C,self.op_A = self.function_A(...)
    self.op_B = self.function_B(self.op_C,...)

在model_method.py中的fit（） ：

def fit(self,...):
    sess = tf.Session(graph=self.graph,config=config)
    BB,AA = sess.run([self.op_B,self.op_A],feed_dict)

为了检查运行过程，我在model_method.py中的function_A（）和function_B（）的开头添加了pdb.set_trace（），如下所示：

def function_A(self,...):
    pdb.set_trace()
    ......

def function_B(self,...):
    pdb.set_trace()
    ......

这两个pdb.set_trace（）仅在调用build（）时停止，而在sess.run（[self.op_B，self.op_A]，feed_dict）调用时不起作用。 因此，这意味着sess.run（） 实际上并未运行 function_A（）和function_B（）。 我想知道为什么并且想知道如何使这两个功能起作用？

Answer 1

通过调用model_method.build()函数，您可以创建一个计算图。 在此调用中，每行代码都会执行（因此pdb为什么停止了）。

但是， tf.Session.run(...)仅执行计算图上计算所获取的值（在示例中为self.op_A ， self.op_B ）所必需的那些部分。 该函数不会再次执行整个build()函数。

因此，运行sess.run(...)时未执行pdb.set_trace()的原因是，它们不是有效的Tensor对象，因此也不是计算图的一部分。

UPDATE

考虑以下：

class My_Model:

  def __init__(self):
      self.np_input = np.random.normal(size=(10,2)) # 10x2

  def build(self):
      self._in = tf.placeholder(dtype=tf.float32, shape=[10, None]) # matrix 10xN
      W_exception = tf.random_normal(dtype=tf.float32, shape=[3,3]) # matrix 3x3
      W_success = tf.random_normal(dtype=tf.float32, shape=[2,3]) # matrix 2x3
      self.op_exception = tf.matmul(self._in, W_exception) # [10x2] x [3x3] = ERROR
      self.op_success = tf.matmul(self._in, W_success) # [10x2] x [2x3] = [10x3]
      print('Computational Graph Built')

  def fit_success(self):
      with tf.Session() as sess:
          res = sess.run(self.op_success, feed_dict={self._in : self.np_input})
          print('Result shape: {}'.format(res.shape))

  def fit_exception(self):
      with tf.Session() as sess:
          res = sess.run(self.op_exception, feed_dict={self._in : self.np_input})
          print('Result shape: {}'.format(res.shape))

然后调用：

m = My_Model()
m.build()
#> Computational Graph Built

m.fit_success()
#> Result shape: (10, 3)

m.fit_exception()
#> InvalidArgumentError: Matrix size-incompatible: In[0]: [10,2], In[1]: [3,3]

因此，解释一下您在那里看到的内容。 我们首先在build()函数中定义计算图。 _in是我们的输入张量； None表示维度1是动态确定的-也就是一旦我们提供了具有指定值的张量。

然后，我们定义了两个矩阵W_exception和W_success ，它们指定了所有维，并且它们的值将随机生成。

然后我们定义两个运算，矩阵乘法，每个运算返回一个张量。

我们调用了build()函数并创建了计算图， print()函数也已执行但未添加到图中。 这里什么都没有计算。 实际上，甚至不能这样，因为未指定_in的值。

现在显示，仅评估计算所需的必要部分，我们调用fit_success()函数，该函数将输入张量_in与W_success张量（具有正确尺寸）相乘。 我们收到具有正确形状的张量：[10x3]。 请注意，由于尺寸不匹配，我们不会收到无法计算op_exception错误。 这是因为我们不需要它来评估op_success 。

最后，我只是说明当我们尝试使用相同的输入张量评估op_exception时确实引发了异常。