tensorflow - 更新 tensorflow 中的变量值

Question

我有一个关于通过 tensorflow python api 更新张量值的基本问题。

考虑代码片段:

x = tf.placeholder(shape=(None,10), ... )
y = tf.placeholder(shape=(None,), ... )
W = tf.Variable( randn(10,10), dtype=tf.float32 )
yhat = tf.matmul(x, W)

现在让我们假设我想实现某种算法来迭代更新 W 的值(例如一些优化算法)。这将涉及以下步骤:

for i in range(max_its):
     resid = y_hat - y
     W = f(W , resid) # some update 

这里的问题是 W LHS 上是一个新的张量，而不是 W用于 yhat = tf.matmul(x, W) !也就是说，创建了一个新变量，值 W在我的“模型”中使用没有更新。

现在解决这个问题的一种方法是

 for i in range(max_its):
     resid = y_hat - y
     W = f(W , resid) # some update 
     yhat = tf.matmul( x, W)

这导致为我的循环的每次迭代创建一个新的“模型”!

有没有更好的方法来实现这一点(在 python 中)，而无需为循环的每次迭代创建一大堆新模型——而是更新原始张量 W可以这么说“就地”？

Answer 1

变量有一个assign方法。试试:W.assign(f(W,resid))