python - Tensorflow:在类中创建图形并在外部运行

Question

我相信我很难理解图表在 tensorflow 中的工作原理以及如何访问它们。我的直觉是，“with graph:”下的线条会将图形形成为单个实体。因此，我决定创建一个类，该类在实例化时构建一个图形，并拥有一个运行该图形的函数，如下所示；

class Graph(object):

    #To build the graph when instantiated
    def __init__(self, parameters ):
        self.graph = tf.Graph()
        with self.graph.as_default():
             ...
             prediction = ... 
             cost       = ...
             optimizer  = ...
             ...
    # To launch the graph
    def launchG(self, inputs):
        with tf.Session(graph=self.graph) as sess:
             ...
             sess.run(optimizer, feed_dict)
             loss = sess.run(cost, feed_dict)
             ...
        return variables

接下来的步骤是创建一个主文件，该文件将组装要传递给类的参数，构建图形然后运行它；

#Main file
...
parameters_dict = { 'n_input': 28, 'learnRate': 0.001, ... }

#Building graph
G = Graph(parameters_dict)
P = G.launchG(Input)
...

这对我来说非常优雅，但它不太管用(很明显)。确实，似乎 launchG 函数无法访问图中定义的节点，这给我错误，例如；

---> 26 sess.run(optimizer, feed_dict)

NameError: name 'optimizer' is not defined

也许是我对 python(和 tensorflow)的理解太有限了，但我有一种奇怪的印象，即在创建图形(G)后，以该图形作为参数运行 session 应该可以访问节点它，而不需要我提供明确的访问权限。

有什么启示吗？

Answer 1

节点prediction、cost和optimizer是在方法__init__中创建的局部变量，它们不能在 launchG 方法中访问。

最简单的解决方法是将它们声明为类 Graph 的属性:

class Graph(object):

    #To build the graph when instantiated
    def __init__(self, parameters ):
        self.graph = tf.Graph()
        with self.graph.as_default():
             ...
             self.prediction = ... 
             self.cost       = ...
             self.optimizer  = ...
             ...
    # To launch the graph
    def launchG(self, inputs):
        with tf.Session(graph=self.graph) as sess:
             ...
             sess.run(self.optimizer, feed_dict)
             loss = sess.run(self.cost, feed_dict)
             ...
        return variables

您还可以通过 graph.get_tensor_by_name 和 graph.get_operation_by_name 使用它们的确切名称来检索图的节点。