tensorflow summary 需要提供一个占位符，但我不明白为什么

Question

我正在测试摘要，然后再进行更深入的研究，我有以下代码片段

import tensorflow as tf
import numpy as np

def test_placeholders():
    "Simply dump a placeholder to TensorBoard"
    x = tf.placeholder(tf.float32, [])
    sess = tf.Session()

    summary = tf.summary.scalar("x", x)
    train_writer = tf.summary.FileWriter('/tmp/tf/placeholder',
                                         sess.graph, flush_secs=1)

    r = sess.run(tf.global_variables_initializer())
    s = sess.run(summary, feed_dict={x: 1.57})
    train_writer.add_summary(s)

    train_writer.close()


def test_merge():
    "A simple function that make a loop computation and write down into TB"

    x = tf.placeholder(tf.float32)
    k = np.random.random() + 0.1

    # Create a session
    sess = tf.Session()
    sess.run(tf.global_variables_initializer())

    # define a single summary
    summary_x = tf.summary.scalar("x", x)

    train_writer = tf.summary.FileWriter('/tmp/tf/foo',
                                         sess.graph, flush_secs=1)

    # write some summaries
    for i in range(0, 5):
        # WORKS!
        summary = sess.run(summary_x, feed_dict={x: k * i * i})
        train_writer.add_summary(summary, i)

    # write some summaries using merge_all
    # (we have only one define summary)
    merged = tf.summary.merge_all()
    for i in range(5, 10):
        # FAILS: You must feed a value for placeholder ...
        summary = sess.run(merged, feed_dict={x: k * i * i})
        train_writer.add_summary(summary, i)

    train_writer.close()


if __name__ == '__main__':

    test_placeholders()    # if I comment this line ...
    test_merge()           # test_merge() works!?

所以基本上有两个函数可以生成一些循环并为 TensorBoard 写入一些日志。

问题：

每个函数都可以很好地相互隔离，但是，当我运行两个都顺序执行时，第二个在这里失败了

# FAILS: You must feed a value for placeholder ...
summary = sess.run(merged, feed_dict={x: k * i * i})

因为 merged 似乎包含前一个函数中未填充的内容。

tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float
[[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
Caused by op u'Placeholder', defined at:

深入研究代码，我发现 TF 将方便的变量存储到 defaults 容器中，例如graph, _collections 来自以前的作品，所以调用

tf.reset_default_graph()

相当于重置之前执行的所有内容。

问题：

什么是 tensorflow 风格 来隔离和处理同一进程中的多个 TF 执行，而不会在它们之间造成干扰？

Answer 1

您遇到的问题与加载到同一图表的张量有关。注意 test_merge 包含 merged = tf.summary.merge_all() 这合并了默认图中收集的所有摘要，并且所有内容都加载到默认图中，因此当您尝试评估 summary = sess.run(merged, feed_dict={x: k * i * i}) 它需要来自第一个函数的输入以及。如果您更改调用顺序，您将看到您的代码执行。如果您需要单独的图表，可能会出现问题，因此请尝试将所有内容加载到一个图表中 - 但如果您需要，那么这个答案可能会有用 Working with multiple graphs in TensorFlow.

Answer 2

使用tf.reset_default_graph()
在代码的开头将图形恢复为默认值。有时 Tensorflow 会记住您之前的运行中的 feed_dict 。 feed_dict 可能与当前会话不同

tensorflow summary 需要提供一个占位符，但我不明白为什么

tensorflow summary requires to feed a placeholder, but I can't figure why

python

summary

tensorflow