我正在尝试将最小化函数分配给两台计算机。在一台机器上,我调用“compute_gradients”,在另一台机器上,我使用通过网络发送的梯度调用“apply_gradients”。问题在于,无论我做什么,调用apply_gradients(...).run(feed_dict)似乎都不起作用。我已经尝试在apply_gradients中插入占位符来代替张量梯度,
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)
然后当我收到渐变时,我调用。
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,当我这样做时,我遇到了
ValueError: 使用序列设置数组元素。
这只是我尝试过的最新方法,我还尝试过不使用占位符的相同解决方案,以及等待接收梯度后再创建apply_gradients操作,结果会导致图形不匹配的错误。
有关我应该采取哪个方向的任何帮助?
apply_gradients
中使用占位符(代表梯度张量)是不必要的,因为您可以为任何变量(张量)提供numpy值。您只需使用由compute_gradients
返回的原始梯度张量即可。 - Falcon