我想分割两台机器的最小化功能。在一台机器上,我打电话为“compute_gradients”,在另一台机器上我通过网络发送带有渐变的“apply_gradients”。问题是调用apply_gradients(...)。run(feed_dict)似乎不管用我做什么。我试图取代张量梯度的apply_gradients的插入占位符,TensorFlow远程apply_gradients
variables = [W_conv1, b_conv1, W_conv2, b_conv2, W_fc1, b_fc1, W_fc2, b_fc2]
loss = -tf.reduce_sum(y_ * tf.log(y_conv))
optimizer = tf.train.AdamOptimizer(1e-4)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
compute_gradients = optimizer.compute_gradients(loss, variables)
placeholder_gradients = []
for grad_var in compute_gradients:
placeholder_gradients.append((tf.placeholder('float', shape=grad_var[1].get_shape()) ,grad_var[1]))
apply_gradients = optimizer.apply_gradients(placeholder_gradients)
后来当我收到的梯度我打电话
feed_dict = {}
for i, grad_var in enumerate(compute_gradients):
feed_dict[placeholder_gradients[i][0]] = tf.convert_to_tensor(gradients[i])
apply_gradients.run(feed_dict=feed_dict)
然而,当我这样做,我得到
ValueError:用序列设置数组元素。
这只是我尝试过的最新事情,我也尝试过没有占位符的相同解决方案,并且等待创建apply_gradients操作,直到我收到梯度,这会导致不匹配的图形错误。
任何帮助我应该去哪个方向?
请注意,使用占位符(代表'apply_gradients'中的渐变张量)是不必要的,因为您可以为任何变量(张量)提供numpy值。您可以使用'compute_gradients'返回的原始梯度张量。 – Falcon