最近在学习tensorflow，学习过程中遇到一些问题，在这里开一个系列，记录遇到的坑，解决方法和技巧。今天要记录的内容总结如下：

  • 避免在初始化变量后构建tensor;
  • 尽可能在session.run执行完可以执行的tensor，可提高计算效率;
  • 常用二元分类度量tensor;
  • tf.gather切分tensor的例子;

避免在初始化变量后构建tensor

在计算auc时，需要使用tf.metrics.auc这个函数构建tensor。Tensorflow先构建计算图，然后再开始计算，一旦开始计算，就不能修改图，否则会报运行时错误，

sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())

# ... 建模过程，这里省略

auc = tf.metrics.auc(...)
sess.run(auc,[...])

代码执行时，总是抛出异常，导致意思是部分内部tensor没有初始化，在网上找到了解决方案，该方案确实没有问题，但是我的问题不是这里，正确的解决方法是将auc的定义提前init前，这样才能够被初始化，代码如下，

auc = tf.metrics.auc(...) # 定义提前

sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())

# ... 建模过程，这里省略

sess.run(auc,[...])

修改后，问题迎刃而解。感谢xiaoxiwang(王晓曦)同学指点迷津，尽快走出了这个坑，才有时间王者上钻石。

尽可能在session.run执行完可以执行的tensor

假如有多个tensor，复用同一个feed_dict，建议一次性批量执行run，而不是要分开run，这样可以提高执行效率，如下示例

# Block 1
t1_rst, t2_rst, t3_rst = sess.run([t1,t2,t3], feed_dict = some_dict)  # 快

# Block 2
t1_rst = sess.run(t1, feed_dict = some_dict)  
t2_rst = sess.run(t2, feed_dict = some_dict)
t3_rst = sess.run(t3, feed_dict = some_dict)

Block 1与Block 2的效果一样，但是Block 1块很多，亲测有效。

常用二元分类度量tensor

  • tf.metrics.recall
  • tf.metrics.precision
  • tf.metrics.auc
  • tf.metrics.accuracy

这些tesnfor的输入基本上可以通用，非常方便。

tf.gather切分tensor的例子

tf.gather用于切分tensor，取出需要的部分，是非常好用的函数。假如有如下tensor

t = tf.Variable([[1, 1.1],
                 [2, 2.2],
                 [3, 3.3],
                 [4, 4.4]])

tf.gather(t, axis = 1, indices = 0) # 第一列 [1, 2, 3, 4]
tf.gather(t, axis = 1, indices = 1) # 第二列 [1.1, 2.2, 3.3, 4.4]

tensor t的shape=(4,2)，使用axis指定是4的维度还是2的维度，所以如果取列，axis = 1，如果取行，axis = 0。

ok，今天就记录这么多。