Question

我想用Tensorflow计算矩阵乘法。
但它出现错误，而numpy使用不会产生错误。
（处理以退出代码139结束（由信号11：SIGSEGV中断））

Tensorflow with CPU / GPU：出现错误：进程以退出代码139结束（由信号11中断：SIGSEGV）使用Numpy（没有Tensorflow）：它很好地发生

我使用的是i7-4k / 16GB ram / GTX-1070（8GB）
我需要一个带有Tensorflow的for-loop元素矩阵乘法解决方案。
（实际上，我的问题比上面的代码更复杂。因此很难使其成为矢量化）

提前谢谢!!

Answer 1

您粘贴的内容有一些错误。你没有正确导入numpy。

对于tensorflow，您需要创建一个会话。

with tf.Session() as sess:
    ... cpu or gpu code here...
    print(sess.run([cost]))

为numpy它内置元素明智的乘法

result = np.multiply(A,B)

使用它。您也可以在调用时将其索引到A，B

result = np.multiply(A[i,:],B[:,i])

Answer 2

错误很可能是由创建一个巨大的TensorFlow图形引起的，每个最内层循环迭代至少有10个节点。使用TensorFlow的内置元素运算符可以更有效地计算这样的运算，这些运算符支持broadcasting以避免实现整个矩阵的需要。例如，您的程序可以使用两个（元素）tf.multiply()操作和tf.reduce_sum()编写：

a_dk = tf.Variable(tf.random_normal([num_doc,num_topic]))
x_uk = tf.Variable(tf.random_normal([num_user,num_topic]))
x_dk = tf.Variable(tf.random_normal([num_doc,num_topic]))

ax_dk = tf.multiply(a_dk, x_dk)

# Add extra dimensions to broadcast ax_dk along the user dimension, and
# x_uk along the docs dimension:
cost = tf.reduce_sum(tf.multiply(ax_dk[:, None, :], x_uk[None, :, :]))

Tensorflow元素矩阵乘法（for-loop）错误

2 个答案: