在 TensorFlow 和其他框架中获取多个变量(开销)
Getting multiple variables in TensorFlow and other frameworks (overheads)
如果我有下图并且想在不急于执行的情况下获取TF中的张量T1和T2的值,我该怎么做?我只知道 eval() 或 session.run()(运行 可以选择两次)或 tf.print(),但不需要打印(出于性能原因)。
具体来说,这个功能在TensorFlow中是如何实现的?这是否会对仅获得 T2 造成很大的开销?我也很乐意被指点相关资源。
我一般都在寻找关于此的讨论——如果人们想添加与其他框架如何执行此操作(Caffe、Torch、CNTK、Theano、Chainer、DyNet 等)的比较,那就太好了!最后,我试图了解运营商如何扩展这些框架,这些框架 return 用户可以用来监控培训的运营商特定指标。
谢谢!
您可以将多个参数传递给 session.run,它将 运行 网络一次并且 return 每个参数。
例如(来自docs):
a = tf.constant([10, 20])
b = tf.constant([1.0, 2.0])
u, v = session.run([a, b])
如果我有下图并且想在不急于执行的情况下获取TF中的张量T1和T2的值,我该怎么做?我只知道 eval() 或 session.run()(运行 可以选择两次)或 tf.print(),但不需要打印(出于性能原因)。
具体来说,这个功能在TensorFlow中是如何实现的?这是否会对仅获得 T2 造成很大的开销?我也很乐意被指点相关资源。
我一般都在寻找关于此的讨论——如果人们想添加与其他框架如何执行此操作(Caffe、Torch、CNTK、Theano、Chainer、DyNet 等)的比较,那就太好了!最后,我试图了解运营商如何扩展这些框架,这些框架 return 用户可以用来监控培训的运营商特定指标。
谢谢!
您可以将多个参数传递给 session.run,它将 运行 网络一次并且 return 每个参数。
例如(来自docs):
a = tf.constant([10, 20])
b = tf.constant([1.0, 2.0])
u, v = session.run([a, b])