Python 如何检索回迁的执行顺序?
给定一个回迁数组,如何检索将在对Python 如何检索回迁的执行顺序?,python,tensorflow,Python,Tensorflow,给定一个回迁数组,如何检索将在对会话的单个调用中执行的回迁顺序(可能是非唯一的)。运行(回迁)?一个合理的解决方案是在python中重新计算拓扑排序。看起来C++实现没有在Python API中公开。请让我知道,如果有这种情况下不工作 下面是一个例子: import tensorflow as tf from toposort import toposort sess = tf.InteractiveSession() matrix1=tf.constant([[3., 3.]]) mat
会话的单个调用中执行的回迁顺序(可能是非唯一的)。运行(回迁)
?一个合理的解决方案是在python中重新计算拓扑排序。看起来C++实现没有在Python API中公开。请让我知道,如果有这种情况下不工作
下面是一个例子:
import tensorflow as tf
from toposort import toposort
sess = tf.InteractiveSession()
matrix1=tf.constant([[3., 3.]])
matrix2=tf.constant([[2.], [2.]])
sum = tf.add(matrix1, matrix2)
product = tf.matmul(matrix1, matrix2)
final = tf.mul(sum, product)
g = sess.graph
deps = {}
for op in g.get_operations():
# op node
op_inputs = set()
op_inputs.update([t.name for t in op.inputs])
deps[op.name] = op_inputs
# tensor output node
for t in op.outputs:
deps[t.name]={op.name}
随后,我们可以手动逐步完成对图中每个节点的求值-对
Session.run()
的后续调用涉及传递一个feed\u dict
,该函数累积所有先前输入的结果。这是相当缓慢的,因为C++和NUMPI数据之间的不断的洗牌,内存密集,因为我们缓存所有的输出值。< /P>这个顺序完全取决于图中的依赖关系,并且可以根据节点放置在内核上的方式来改变。你能详细说明一下你想做什么吗?session.run()一步计算多个张量。我正在尝试实现一个调试器,它在计算每个“获取”之后暂停图形执行。这可以通过对连续的fetch ops/TENSOR调用session.run()并将结果放入feed_dict=paramater来实现。棘手的部分是找出哪一个先获取数据进行计算。我试图使此开销与对session.run()的单个调用相同。InteractiveSessions不起作用,因为它们会评估所有依赖项。如果顺序可以根据节点的放置方式而改变,这也没关系——这种行为类似于多线程计算。唯一的期望是,如果fetch对象B上的eval依赖于fetch对象A的eval,那么A将在B之前求值。
deps
{u'Add': {u'Const:0', u'Const_1:0'},
u'Add:0': {u'Add'},
u'Const': set(),
u'Const:0': {u'Const'},
u'Const_1': set(),
u'Const_1:0': {u'Const_1'},
u'MatMul': {u'Const:0', u'Const_1:0'},
u'MatMul:0': {u'MatMul'},
u'Mul': {u'Add:0', u'MatMul:0'},
u'Mul:0': {u'Mul'}}
list(toposort(deps))
[{u'Const', u'Const_1'},
{u'Const:0', u'Const_1:0'},
{u'Add', u'MatMul'},
{u'Add:0', u'MatMul:0'},
{u'Mul'},
{u'Mul:0'}]