在介紹 Tensorflow 中的簽名和追蹤時(shí)，我閱讀了以下聲明。TensorFlow 只會(huì)捕獲迭代張量或數(shù)據(jù)集的 for 循環(huán)。因此，請(qǐng)確保使用 for i in tf.range(x) 而不是 for i in range(x)，否則循環(huán)將不會(huì)在圖中捕獲。相反，它將在跟蹤期間運(yùn)行。（如果 for 循環(huán)旨在構(gòu)建圖形，例如創(chuàng)建神經(jīng)網(wǎng)絡(luò)中的每一層，這可能就是您想要的。）我對(duì)到底發(fā)生了什么感到困惑。如果它在跟蹤過(guò)程中運(yùn)行，它如何不在圖形上注冊(cè)，以及 for 循環(huán)將如何構(gòu)建圖形？
1 回答
動(dòng)漫人物
TA貢獻(xiàn)1815條經(jīng)驗(yàn) 獲得超10個(gè)贊
tf.range顯示循環(huán)和循環(huán)之間區(qū)別的示例range：
for i in tf.range(3):
x = tf.add(x, i)
生成一個(gè)圖形，其中包含tf.while_loop與循環(huán)匹配的a for；這是 AutoGraph 的翻譯：
def cond(i, x):
return tf.lesss(i, 3)
def body(i, x):
x = tf.add(x, i)
return i, x
tf.while_loop(cond, body, ...)
反過(guò)來(lái)：
for i in range(3):
x = tf.add(x, i)
導(dǎo)致包含三個(gè)調(diào)用的圖形tf.add，并由i常量替換，沒(méi)有任何循環(huán)操作：
x = tf.add(x, 0)
x = tf.add(x, 1)
x = tf.add(x, 2)
添加回答
舉報(bào)
0/150
提交
取消