python - Tensorflow tf.scatter_update不更新浮点值

Question

如果变量的类型定义为 float，则 tf.scatter_update 似乎不会更新变量。您可以尝试以下代码:

import tensorflow as tf

def cond(size, i):
    return tf.less(i,size)

def body(size, i):
    b=2*7.5+c

    with tf.variable_scope("a", reuse=tf.AUTO_REUSE):
        a = tf.get_variable("a",[6],dtype=tf.float32)

        a = tf.scatter_update(a,i,b)

        with tf.control_dependencies([a]):
            return (size, i+1)

with tf.Session() as sess:
    c=tf.constant(4.0)
    i = tf.constant(0)
    size = tf.constant(6)
    _,i = tf.while_loop(cond,
            body,
            [size, i])

    a = tf.get_variable("a",[6],dtype=tf.float32)

    init = tf.initialize_all_variables()
    sess.run(init)
    print(sess.run([a,i]))

结果是随机的!因为我没有故意初始化变量来查看它如何更新，所以它似乎永远不会更新，并且每次都会打印出随机初始化。您会看到类似这样的内容:

[数组([-0.35466522, 0.44001752, 0.21131486, -0.48532146, 0.3019274 , -0.19926369], dtype=float32), 6]

这是一个错误吗？如您所见，我仍在使用 tf.control_dependency，并且仅当变量 a 的类型设置为 float 时才会发生这种情况。

Answer 1

你的预期输出是这样的吗？

[array([19., 19., 19., 19., 19., 19.], dtype=float32), 6]

这两种模式产生了这一点。

模式 1

import tensorflow as tf

def cond(size, i):
    return tf.less(i,size)

def body(size, i):
    b=2*7.5+c

    with tf.variable_scope("a", reuse=tf.AUTO_REUSE):
        a = tf.get_variable("a",[6],dtype=tf.float32)

        a = tf.scatter_update(a,i,b)
        with tf.control_dependencies([a]):
            return (size, i+1)

with tf.Session() as sess:
    c=tf.constant(4.0)
    i = tf.constant(0)
    size = tf.constant(6)
    _,i = tf.while_loop(cond,
            body,
            [size, i])

    with tf.variable_scope("a", reuse=tf.AUTO_REUSE):
        a = tf.get_variable("a",[6],dtype=tf.float32)

        init = tf.initialize_all_variables()
        sess.run(init)

        print(sess.run([a,i]))

模式 2

def body(size, i):
    b=2*7.5+c

    a = tf.get_variable("a",[6],dtype=tf.float32)

    a = tf.scatter_update(a,i,b)
    #Reuse variables 
    tf.get_variable_scope().reuse_variables()

    with tf.control_dependencies([a]):
        return (size, i+1)

with tf.Session() as sess:
    c=tf.constant(4.0)
    i = tf.constant(0)
    size = tf.constant(6)
    _,i = tf.while_loop(cond,
            body,
            [size, i])

    a = tf.get_variable("a",[6],dtype=tf.float32)

    init = tf.initialize_all_variables()
    sess.run(init)

    print(sess.run([a,i]))