web-dev-qa-db-ja.com

@ tf.function ValueError：tf.functionで装飾された関数への最初の呼び出しでの変数を作成することで、行動を理解できない

なぜこの関数の理由を知りたいのですが。

@tf.function
def train(self,TargetNet,epsilon):
    if len(self.experience['s']) < self.min_experiences:
        return 0
    ids=np.random.randint(low=0,high=len(self.replay_buffer['s']),size=self.batch_size)
    states=np.asarray([self.experience['s'][i] for i in ids])
    actions=np.asarray([self.experience['a'][i] for i in ids])
    rewards=np.asarray([self.experience['r'][i] for i in ids])
    next_states=np.asarray([self.experience['s1'][i] for i in ids])
    dones = np.asarray([self.experience['done'][i] for i in ids])
    q_next_actions=self.get_action(next_states,epsilon)
    q_value_next=TargetNet.predict(next_states)
    q_value_next=tf.gather_nd(q_value_next,tf.stack((tf.range(self.batch_size),q_next_actions),axis=1))
    targets=tf.where(dones, rewards, rewards+self.gamma*q_value_next)

    with tf.GradientTape() as tape:
        estimates=tf.math.reduce_sum(self.predict(states)*tf.one_hot(actions,self.num_actions),axis=1)
        loss=tf.math.reduce_sum(tf.square(estimates - targets))
    variables=self.model.trainable_variables
    gradients=tape.gradient(loss,variables)
    self.optimizer.apply_gradients(Zip(gradients,variables))
 _

valueError：TF.Functionで装飾された関数への最初の呼び出しで変数を作成します。非常に模様のこのコード：

@tf.function
def train(self, TargetNet):
    if len(self.experience['s']) < self.min_experiences:
        return 0
    ids = np.random.randint(low=0, high=len(self.experience['s']), size=self.batch_size)
    states = np.asarray([self.experience['s'][i] for i in ids])
    actions = np.asarray([self.experience['a'][i] for i in ids])
    rewards = np.asarray([self.experience['r'][i] for i in ids])
    states_next = np.asarray([self.experience['s2'][i] for i in ids])
    dones = np.asarray([self.experience['done'][i] for i in ids])
    value_next = np.max(TargetNet.predict(states_next), axis=1)
    actual_values = np.where(dones, rewards, rewards+self.gamma*value_next)

    with tf.GradientTape() as tape:
        selected_action_values = tf.math.reduce_sum(
            self.predict(states) * tf.one_hot(actions, self.num_actions), axis=1)
        loss = tf.math.reduce_sum(tf.square(actual_values - selected_action_values))
    variables = self.model.trainable_variables
    gradients = tape.gradient(loss, variables)
    self.optimizer.apply_gradients(Zip(gradients, variables))
 _

誤りを投げません。理由を理解するのに役立ちます。

[〜＃〜]編集[〜＃〜]：関数からパラメータepsilonを削除しました。

pythontensorflowkerastensorflow2.0
4
drongo

TF.Functionを使用して、装飾された関数の内容を変換しています。これは、TensorflowがEAGERコードをそのグラフ表現にコンパイルしようとすることを意味します。

ただし、変数は特別なオブジェクトです。実際、TensorFlow 1.x（Graph Mode）を使用している場合は、変数を1回だけ定義してから/更新していました。

TensorFlow 2.0では、純粋なEAGERの実行を使用する場合は、EAGERモードで_tf.Variable_ - がわずか1回以上宣言して再使用できます。 Python オブジェクト関数が終わるとすぐに破壊され、したがって範囲外になります。

テンソルフローを正しく作成できるようにするために、関数の外側の変数を宣言して、関数スコープを壊してください。

要するに、あなたがEAGERモードで正しく機能する関数がある場合は、次のようにします。

_def f():
    a = tf.constant([[10,10],[11.,1.]])
    x = tf.constant([[1.,0.],[0.,1.]])
    b = tf.Variable(12.)
    y = tf.matmul(a, x) + b
    return y
_

あなたはその構造を次のようなものに変えなければなりません。

_b = None

@tf.function
def f():
    a = tf.constant([[10, 10], [11., 1.]])
    x = tf.constant([[1., 0.], [0., 1.]])
    global b
    if b is None:
        b = tf.Variable(12.)
    y = tf.matmul(a, x) + b
    print("PRINT: ", y)
    tf.print("TF-PRINT: ", y)
    return y

f()
_

_tf.function_デコレータで正しく動作させるために。

私はいくつかのブログ投稿でこの（そしてその他の）シナリオをカバーしました：最初の部分はセクション内のこの動作を分析します 関数範囲を壊すことを処理してください （しかし私は最初からそれを読むことを提案し、そしてそれを読むことを提案します） 2と3）。

1
nessuno