小编Tra*_*tal的帖子

有什么区别

   tf.add(x, y)

和

   x + y

在TensorFlow中？当您使用+而不是tf.add()？构建图形时,计算图形会有什么不同？

更一般地说,是否 +为张量超载或其他操作？

我想为我的实验保存多个模型,但我注意到tf.train.Saver()构造函数无法保存超过5个模型.这是一个简单的代码:

import tensorflow as tf 

x = tf.Variable(tf.zeros([1]))
saver = tf.train.Saver()
sess = tf.Session()

for i in range(10):
  sess.run(tf.initialize_all_variables())
  saver.save( sess, '/home/eneskocabey/Desktop/model' + str(i) )

当我运行此代码时,我在桌面上只看到了5个型号.为什么是这样？如何使用相同的tf.train.Saver()构造函数保存5个以上的模型？

我有两个张量,prob_a并prob_b与形状[None, 1000],我想从计算KL散prob_a到prob_b.TensorFlow中是否有内置功能？我尝试过使用tf.contrib.distributions.kl(prob_a, prob_b)但它给出了:

prob_a

如果没有内置功能,那么什么是好的解决方法？

假设我们有两个TensorFlow计算图G1和G2，并保存了权重W1和W2。假设我们G仅通过构造G1和构建新图G2。我们如何才能同时恢复W1和恢复W2该新图G？

举个简单的例子：

import tensorflow as tf

V1 = tf.Variable(tf.zeros([1]))
saver_1 = tf.train.Saver()
V2 = tf.Variable(tf.zeros([1]))
saver_2 = tf.train.Saver()

sess = tf.Session()
saver_1.restore(sess, 'W1')
saver_2.restore(sess, 'W2')

在此示例中，saver_1成功恢复了对应的V1，但是saver_2失败了NotFoundError。