0

我正在使用 Tensorflow 来处理一个简单的矩阵分解算法。每一步都正确，但在最后一步，我想要eval()一个张量来存储它，程序没有工作，只会占用越来越多的内存。那么我的代码有问题吗？我是 Tensorflow 的初学者，我不知道问题出在哪里。下面是我的代码。

    class model(object):
    def __init__(self, D, Q, stepsize = 6e-7, max_iter = 200, inner_maxiter = 50, dim = 200, verbose = 5):
        self.D = tf.constant(D, dtype = tf.float32)
        self.Q = tf.constant(Q, dtype = tf.float32)
        self.rank = dim
        self.stepsize = stepsize
        self.max_iter = max_iter
        self.inner_maxiter = inner_maxiter
        self.verbose = verbose

        self.W = tf.Variable((np.random.rand(self.rank, sample_num)), dtype = tf.float32, name = 'W')
        self.C = tf.Variable((np.random.rand(context_num, self.rank)), dtype = tf.float32, name = 'C')

    def _run(self, sess):
        Q = self.Q
        D = self.D
        W = self.W
        C = self.C

        for i in xrange(self.max_iter):
            if (i + 1) % 2 == 1:
                for j in xrange(self.inner_maxiter):
                    ED = tf.transpose(Q) * (1.0 / (1.0 + tf.exp(- tf.matmul(C, W))))
                    recons = D - ED
                    W_grad = tf.matmul(tf.transpose(C), recons)
                    W = W + self.stepsize * W_grad
            else:
                for j in xrange(self.inner_maxiter):
                    ED = tf.transpose(Q) * (1.0 / (1.0 + tf.exp(- tf.matmul(C, W))))
                    recons = D - ED
                    C_grad = tf.matmul(recons, tf.transpose(W))
                    C = C + self.stepsize * C_grad
            print 'epoch: %d' % i
        print W.eval()
        print C.eval()

train_epoch = model(D, Q, args.step_size, \
        args.max_iter, args.inner_maxiter, args.dim, args.verbose)
with tf.Session(config = config) as sess:
    tf.initialize_all_variables().run()
    train_epoch._run(sess)

程序在最后两行停止并占用内存_run()，其中包含W.eval()和C.eval()。那么我应该怎么做才能修复它呢？有人可以帮忙吗？

4

1 回答 1

0

解决了。您不能在 Tensorflow 中添加符号操作的迭代。相反，您应该首先构建数据流，这意味着您应该在初始化步骤中定义您的操作。

于 2017-02-12T07:16:47.603 回答