在有些机器学习程序中我们想要指定某些操作执行的依赖关系，这时我们可以使用tf.control_dependencies()来实现。

tf.control_dependencies(control_inputs)

作用：用来控制计算流图的，也就是给图中的某些计算指定顺序。有的时候我们想要指定某些操作执行的依赖关系，比如想要让参数先更新，然后再获取参数更新的值等。
返回：会返回一个控制依赖的上下文管理器，使用了with关键字就可以让在这个上下文环境中的操作都在control_inputs 执行
理解意思：代表当括号里面的参数执行完毕再执行with里面的语句

训练模型时有可能每步训练需要按先后顺序执行3种操作，比如：

with g.control_dependencies([a, b, c]):# `d` and `e` will only run after `a`, `b`, and `c` have executed.d = ...e = ...

d、e的操作会在a、b、c的操作执行完之后再执行。

tf.control_dependencies()函数用法相关推荐

tf.matmul函数用法
tf.matmul函数用法函数:tf.matmul 表示:将矩阵 a 乘以矩阵 b,生成a * b matmul(a,b,transpose_a=False,transpose_b=False,ad ...
tf.one_hot函数用法
具体用法如下: In [4]: y = tf.constant([1,2,3,0,2])In [5]: y = tf.one_hot(y,depth=4)In [7]: y Out[7]: <t ...
tensorflow学习笔记：tf.control_dependencies，tf.GraphKeys.UPDATE_OPS，tf.get_collection
tf.control_dependencies(control_inputs): control_dependencies(control_inputs) ARGS: control_inputs:在 ...
【转】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果.事后对其进行了一定的调查与研究,在此进行一些总结. 一.错误 ...
tf.reduce_max()函数的用法详解
tf.reduce_max()函数 tf.reduce_max(input_tensor,axis=None,name=None,keepdims=False #是否保持矩形原狀 ) 参数解释: in ...
【TensorFlow基础函数】tf.concat的用法
tf.concat 的用法 TF官方的文档 tf.concat(values,axis,name='concat' ) 连接多个Tensor的操作 values 多个Tensor axis是哪个纬度 ...
Tensorflow中的tf.layers.batch_normalization()用法
使用tf.layers.batch_normalization()需要三步: 在卷积层将激活函数设置为None. 使用batch_normalization. 使用激活函数激活. 需要特别注意的是:在 ...
tf.estimator的用法
tf.estimator的用法利用 tf.estimator 训练模型时需要写两个重要的函数,一个用于数据输入的函数(input_fn),另一个用于模型创建的函数(model_fn).下面逐一来说明 ...
what does tf.no_op do and tf.control_dependencies work？
- 控制依赖 with tf.control_dependencies([train_step, variables_averages_op]):train_op = tf.no_op(name='t ...

tf.control_dependencies()函数用法

tf.control_dependencies(control_inputs)

tf.control_dependencies()函数用法相关推荐

最新文章

热门文章