TensorFlow入门基础知识（七）tf.control_dependencies的用法

原作者链接：https://blog.csdn.net/u012436149/article/details/72084744

tf.control_dependencies()

设计是用来控制计算流图的，给图中的某些计算指定顺序。比如：我们想要获取参数更新后的值，那么我们可以这么组织我们的代码。

opt = tf.train.Optimizer().minize(loss)

with tf.control_dependencies([opt]):
updated_weight = tf.identity(weight)

with tf.Session() as sess:
tf.global_variables_initializer().run()
sess.run(updated_weight, feed_dict={...}) # 这样每次得到的都是更新后的weight

1
2
3
4
5
6
7
8
9
关于tf.control_dependencies的具体用法，請移步官网https://www.tensorflow.org/api_docs/python/tf/Graph#control_dependencies,总结一句话就是，在执行某些

op,tensor

之前，某些

op,tensor

得首先被运行。

下面说明两种 control_dependencies 不 work 的情况

下面有两种情况，control_dependencies不work，其实并不是它真的不work，而是我们的使用方法有问题。第一种情况:

import tensorflow as tf
w = tf.Variable(1.0)
ema = tf.train.ExponentialMovingAverage(0.9)
update = tf.assign_add(w, 1.0)

ema_op = ema.apply([update])
with tf.control_dependencies([ema_op]):
ema_val = ema.average(update)

with tf.Session() as sess:
tf.global_variables_initializer().run()
for i in range(3):
print(sess.run([ema_val]))

1
2
3
4
5
6
7
8
9
10
11
12
13
也许你会觉得，在我们 

sess.run([ema_val])

， 

ema_op

 都会被先执行，然后再计算

ema_val

，实际情况并不是这样，为什么？ 
有兴趣的可以看一下源码，就会发现 

ema.average(update)

 不是一个 

op

，它只是从

ema

对象的一个字典中取出键对应的 

tensor

 而已，然后赋值给

ema_val

。这个 

tensor

是由一个在 

tf.control_dependencies([ema_op])

外部的一个 

op

 计算得来的，所以 

control_dependencies

会失效。解决方法也很简单，看代码：

import tensorflow as tf
w = tf.Variable(1.0)
ema = tf.train.ExponentialMovingAverage(0.9)
update = tf.assign_add(w, 1.0)

ema_op = ema.apply([update])
with tf.control_dependencies([ema_op]):
ema_val = tf.identity(ema.average(update)) #一个identity搞定

with tf.Session() as sess:
tf.global_variables_initializer().run()
for i in range(3):
print(sess.run([ema_val]))

1
2
3
4
5
6
7
8
9
10
11
12
13
第二种情况： 这个情况一般不会碰到，这是我在测试 

control_dependencies

 发现的

import tensorflow as tf
w = tf.Variable(1.0)
ema = tf.train.ExponentialMovingAverage(0.9)
update = tf.assign_add(w, 1.0)

ema_op = ema.apply([update])
with tf.control_dependencies([ema_op]):
w1 = tf.Variable(2.0)
ema_val = ema.average(update)

with tf.Session() as sess:
tf.global_variables_initializer().run()
for i in range(3):
print(sess.run([ema_val, w1]))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
这种情况下，

control_dependencies

也不 work。读取 

w1

 的值并不会触发 

ema_op

， 原因请看代码：

#这段代码出现在Variable类定义文件中第287行，
# 在创建Varible时，tensorflow是移除了dependencies了的
#所以会出现 control 不住的情况
with ops.control_dependencies(None):
...