小编bgs*_*shi的帖子

有没有办法计算TensorFlow网络中每个节点的时间成本？
我发现很难找到性能瓶颈.

编辑:Timeline分析器非常棒(/sf/answers/2644212931/).

我的图表中需要一个条件控制流程.如果pred是True,则图形应该调用更新变量的op然后返回它,否则它将返回变量不变.简化版本是:

pred = tf.constant(True)
x = tf.Variable([1])
assign_x_2 = tf.assign(x, [2])
def update_x_2():
  with tf.control_dependencies([assign_x_2]):
    return tf.identity(x)
y = tf.cond(pred, update_x_2, lambda: tf.identity(x))
with tf.Session() as session:
  session.run(tf.initialize_all_variables())
  print(y.eval())

不过,我觉得,无论pred=True并pred=False导致相同的结果y=[2],这意味着分配运算时也被称为update_x_2没有被选中tf.cond.怎么解释这个？以及如何解决这个问题？

我想在TensorFlow中添加一个新的Op.我发现TF中的大多数Ops是使用在``third_party/eigen3/unsupported/Eigen/CXX11/Tensor'中实现的张量操作实现的,这似乎与原始的本征库无关.是否有新的Eigen/CXX11库的文件？