Tensorflow 在张量中查找匹配的字符串
Tensorflow finding matching strings in tensor
我正在尝试从 tf.report_uninitialized_variables(),
中找到以 train_step
结尾的变量,但是如果没有 eager execution.
你就不能迭代张量 我知道你需要使用 tf.map_fn,
但我不太了解它。
这是我的:
variables = []
for s, t in zip(tf.report_uninitialized_variables().eval(session=sess),
tf.report_uninitialized_variables()):
if 'train_step' in s:
variables.append(t)
train_step_init = tf.variables_initializer(variables, name='train_step_init')
事实证明我可以做到:
variables = []
for i, v in enumerate(tf.global_variables()):
name = v.name.split(':')[0].encode('ASCII')
if name in sess.run(tf.report_uninitialized_variables()[0]):
if b'train_step' in name:
variables.append(v)
train_step_init = tf.variables_initializer(variables)
sess.run(train_step_init)
我正在尝试从 tf.report_uninitialized_variables(),
中找到以 train_step
结尾的变量,但是如果没有 eager execution.
你就不能迭代张量 我知道你需要使用 tf.map_fn,
但我不太了解它。
这是我的:
variables = []
for s, t in zip(tf.report_uninitialized_variables().eval(session=sess),
tf.report_uninitialized_variables()):
if 'train_step' in s:
variables.append(t)
train_step_init = tf.variables_initializer(variables, name='train_step_init')
事实证明我可以做到:
variables = []
for i, v in enumerate(tf.global_variables()):
name = v.name.split(':')[0].encode('ASCII')
if name in sess.run(tf.report_uninitialized_variables()[0]):
if b'train_step' in name:
variables.append(v)
train_step_init = tf.variables_initializer(variables)
sess.run(train_step_init)