Mục đích của các bộ sưu tập đồ thị trong TensorFlow là gì?

Question

API thảo luận về Graph Collections đánh giá từ code là khóa/lưu trữ dữ liệu chung nhằm mục đích chung. Mục đích của những bộ sưu tập đó là gì?

Answer 1

Hãy nhớ rằng dưới mui xe, Tensorflow là một hệ thống để xác định và sau đó thực hiện biểu đồ lưu lượng dữ liệu tính toán. Các bộ sưu tập đồ thị được sử dụng như một phần của việc theo dõi các đồ thị được xây dựng và cách chúng được thực thi. Ví dụ: khi bạn tạo một số loại ops nhất định, chẳng hạn như tf.train.batch_join, mã thêm op cũng sẽ thêm một số trình xử lý hàng đợi vào bộ sưu tập đồ thị QUEUE_RUNNERS. Sau đó, khi bạn gọi start_queue_runners(), theo mặc định, nó sẽ xem bộ sưu tập QUEUE_RUNNERS để biết người chạy nào sẽ bắt đầu.

Answer 2

Tôi nghĩ rằng có ít nhất hai lợi ích đối với tôi cho đến nay:

1. khi bạn phân phối chương trình của bạn trên nhiều GPU hoặc máy nó là thuận tiện để thu thập thiệt hại từ các thiết bị khác nhau mà là trong bộ sưu tập tương tự. Sử dụng tf.add_n để thêm chúng để tích lũy mất mát.
2. Để cập nhật một tập hợp các biến cụ thể như trọng số và thành kiến ​​theo cách của riêng tôi.

Ví dụ:

import tensorflow as tf  
w = tf.Variable([1,2,3], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32)  
w2 = tf.Variable([11,22,32], collections=[tf.GraphKeys.WEIGHTS], dtype=tf.float32) 
weight_init_op = tf.variables_initializer(tf.get_collection_ref(tf.GraphKeys.WEIGHTS)) 
sess = tf.InteractiveSession() 
sess.run(weight_init_op) 
for vari in tf.get_collection_ref(tf.GraphKeys.WEIGHTS): 
    tf.add_to_collection(tf.GraphKeys.UPDATE_OPS, vari.assign(0.2 * vari)) 
weight_update_ops = tf.get_collection_ref(tf.GraphKeys.UPDATE_OPS) 
sess.run(weight_update_ops) 

Sản lượng:

[array ([0,2, 0,40000001, 0,60000002], dtype = float32), mảng ([2,20000005, 4,4000001, 6,4000001], dtype = float32)]