我正在尝试在 Keras 和 TensorFlow 中实现 actor-critic 的异步版本。我将 Keras 用作构建网络层的前端(我直接使用 tensorflow 更新参数)。我有一个 global_model 和一个主要的 tensorflow session 。但在每个线程中，我创建了一个 local_model，它从 global_model 复制参数。我的代码看起来像这样
def main(args):
config=tf.ConfigProto(log_device_placement=False,allow_soft_placement=True)
sess = tf.Session(config=config)
K.set_session(sess) # K is keras backend
global_model = ConvNetA3C(84,84,4,num_actions=3)
threads = [threading.Thread(target=a3c_thread, args=(i, sess, global_model)) for i in range(NUM_THREADS)]
for t in threads:
t.start()
def a3c_thread(i, sess, global_model):
K.set_session(sess) # registering a session for each thread (don't know if it matters)
local_model = ConvNetA3C(84,84,4,num_actions=3)
sync = local_model.get_from(global_model) # I get the error here
#in the get_from function I do tf.assign(dest.params[i], src.params[i])
我收到来自 Keras 的用户警告
UserWarning: The default TensorFlow graph is not the graph associated with the TensorFlow session currently registered with Keras, and as such Keras was not able to automatically initialize a variable. You should consider registering the proper session with Keras via
K.set_session(sess)
随后是 tf.assign 操作的 tensorflow 错误，表示操作必须在同一个图上。
ValueError: Tensor("conv1_W:0", shape=(8, 8, 4, 16), dtype=float32_ref, device=/device:CPU:0) must be from the same graph as Tensor("conv1_W:0", shape=(8, 8, 4, 16), dtype=float32_ref)
我不确定到底出了什么问题。
谢谢
最佳答案
错误来自 Keras，因为 tf.get_default_graph() is sess.graph 返回 False。从 TF 文档中，我看到 tf.get_default_graph() 正在返回当前线程的默认图。当我开始一个新线程并创建一个图形时，它被构建为特定于该线程的单独图形。我可以通过执行以下操作来解决此问题，
with sess.graph.as_default():
local_model = ConvNetA3C(84,84,4,3)
关于python - 在 Keras 和 Tensorflow 中为多线程设置复制模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40154320/