Проблемы, с которыми сталкиваются при ручной реализации FIFOQueue в tenorflow

Question

Я пытаюсь придумать метод, который мог бы реализовать FIFOQueue в тензорном потоке. Таким образом, на каждой итерации цель состоит в том, чтобы назначить placeholder определенное число, а затем сохранить его в Variable по имени: буфер. После каждого назначения я увеличиваю индекс. Размер буфера равен [5], поэтому индекс должен находиться в диапазоне от 0 до 4. Наконец, после заполнения буфера я бы установил buffer[0:4] быть buffer[1:5]и затем добавьте новое значение в buffer[4], Так вот мой

код:

import tensorflow as tf
import numpy as np
import random

dim = 30

lst = []
for i in range(dim):
    lst.append(random.randint(1, 10))

data = np.reshape(lst, [dim, 1])
print(lst)

# create a buffer:
buffer_input = tf.placeholder(tf.int32, shape=[1])

buffer = tf.Variable(tf.zeros([5], tf.int32))

index = tf.Variable(tf.constant(0))

def fillBufferBeforeFilled():
    update_op1 = tf.scatter_update(buffer, indices=[index], updates=buffer_input)
    index_assign_add = tf.assign_add(index, 1)
    return update_op1, index_assign_add

def fillBufferAfterFilled():
    tmp = tf.slice(buffer, begin=[0], size=[4])
    update_op2 = tf.scatter_update(buffer, indices=[0, 1, 2, 3], updates=tmp)
    update_op3 = tf.scatter_update(buffer, indices=[index], updates=buffer_input)
    return update_op2, update_op3

cond = tf.cond(tf.equal(index, 4), lambda: fillBufferBeforeFilled(), lambda: fillBufferAfterFilled())

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(dim):
        cond_ = sess.run(cond, feed_dict={buffer_input: data[i]})
        buf = sess.run(buffer, feed_dict={buffer_input: data[i]})
        print('buf: ', buf)

Проблема: index Переменная не увеличивается после каждого вызова, в то время как первый элемент buffer присваивается значению, переданному заполнителю.

Я хотел бы знать, почему у меня такое поведение и каково решение этой проблемы.

Любая помощь высоко ценится!!

Answer 1

Вот решение:

import tensorflow as tf
import numpy as np
import random

dim = 30

lst = []
for i in range(dim):
    lst.append(random.randint(1, 10))

data = np.reshape(lst, [dim, 1])
print(lst)

# create a buffer:
buffer_input = tf.placeholder(tf.int32, shape=[1])

buffer = tf.Variable(tf.zeros([5], tf.int32))

index = tf.Variable(-1, tf.int32)

def fillBufferBeforeFilled():
    index_assign_add = tf.assign_add(index, 1)
    with tf.control_dependencies([index_assign_add]):
        update_op1 = tf.scatter_update(buffer, indices=[index], updates=buffer_input)

    return update_op1, index_assign_add

def fillBufferAfterFilled():
    tmp = tf.slice(buffer, begin=[1], size=[4])
    update_op2 = tf.scatter_update(buffer, indices=[0, 1, 2, 3], updates=tmp)
    with tf.control_dependencies([update_op2]):
        update_op3 = tf.scatter_update(buffer, indices=[index], updates=buffer_input)

    return update_op2, update_op3

cond = tf.cond(tf.equal(index, 4), lambda: fillBufferAfterFilled(), lambda: fillBufferBeforeFilled())

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(dim):
        cond_ = sess.run(cond, feed_dict={buffer_input: data[i]})
        buf = sess.run(buffer, feed_dict={buffer_input: data[i]})
        print('buf: ', buf)

Answer 2

Вы перепутали порядок условий в tf.cond; так должно быть

cond = tf.cond(tf.equal(index, 4), lambda: fillBufferAfterFilled(), lambda: fillBufferBeforeFilled())

Я могу запустить ваш код, и он в основном работает, но обновления не совсем правильные; Я подозреваю, что вам нужно будет добавить немного tf.control_dependencies призывает заставить вещи происходить в правильном порядке.