在張量流中使用具有可變相關性的自定義op替換圖中的節點

Question

我試圖用做同樣的自定義操作替換圖形中完成的計算。

可以說該圖具有常量A和權重變量W ，我創建了自定義op來接受這兩個輸入並進行整個計算（權重更新的最后一步除外）：

custom_op_tensor = custom_module.custom_op([A,W])
g_def = tf.get_default_graph().as_graph_def()
input_map = { tensor.name : custom_op_tensor }
train_op, = tf.import_graph_def(g_def, input_map=input_map, return_elements=[train_op])

在導入圖def之后，有兩個W ，一個來自原始圖def，一個在導入圖中。 當我們運行火車操作時，自定義操作最終將讀取舊的W並更新新的W 結果，梯度下降最終無法做正確的事情。

問題是custom_op的實例化需要輸入權重張量W 僅在導入后才知道新的W 並且，導入需要自定義操作。 如何解決這個問題？

Answer 1

您能否精確說明使用哪個版本的Tensorflow：r0.08，r0.09，r0.10，r0.11？

不可能用另一個操作來改變圖中的一個操作。 但是，如果您可以訪問W，您仍然可以在運行火車op之前對W進行備份（使用copy模塊中的 deepcopy（）），以對其進行更新？

問候