背景:
我有一些复杂的强化学习算法,我想在多线程中运行。
问题
当尝试在线程中调用 sess.run
时,我收到以下错误消息:
RuntimeError: session 图为空。在调用 run() 之前向图中添加操作。
重现错误的代码:
import tensorflow as tf
import threading
def thread_function(sess, i):
inn = [1.3, 4.5]
A = tf.placeholder(dtype=float, shape=(None), name="input")
P = tf.Print(A, [A])
Q = tf.add(A, P)
sess.run(Q, feed_dict={A: inn})
def main(sess):
thread_list = []
for i in range(0, 4):
t = threading.Thread(target=thread_function, args=(sess, i))
thread_list.append(t)
t.start()
for t in thread_list:
t.join()
if __name__ == '__main__':
sess = tf.Session()
main(sess)
如果我在线程外运行相同的代码,它会正常工作。
有人可以提供一些关于如何正确使用 python 线程的 Tensorflow session 的见解吗?
最佳答案
不仅Session可以是当前线程默认,Graph也可以。
当您传入 session 并对其调用 run
时,默认图形将是不同的。
您可以像这样修改您的thread_function 以使其工作:
def thread_function(sess, i):
with sess.graph.as_default():
inn = [1.3, 4.5]
A = tf.placeholder(dtype=float, shape=(None), name="input")
P = tf.Print(A, [A])
Q = tf.add(A, P)
sess.run(Q, feed_dict={A: inn})
但是,我不希望有任何显着的加速。 Python 线程不是它在其他一些语言中的含义,只有某些操作(如 io)会并行运行。对于 CPU 繁重的操作,它不是很有用。多处理可以真正并行运行代码,但您不会共享同一个 session 。
关于python - 在多个线程中重用 Tensorflow session 导致崩溃,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52600230/