我正在尝试在Keras和TensorFlow中实现actor-critic的异步版本 . 我正在使用Keras作为构建我的网络层的前端（我正在使用tensorflow直接更新参数） . 我有一个 global_model 和一个主要的tensorflow会话 . 但是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])
我收到了来自Keras的用户警告
UserWarning：默认的TensorFlow图形不是与当前向Keras注册的TensorFlow会话关联的图形，因此Keras无法自动初始化变量 . 您应该考虑通过K.set_session（sess）向Keras注册正确的会话
然后是 tf.assign 操作的张量流错误，说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）必须与Tensor（“conv1_W：0”）在同一图表中，shape =（8,8,4,16），dtype = float32_ref）
我不确定出了什么问题 .
谢谢
1 回答
该错误来自Keras，因为
tf.get_default_graph() is sess.graph正在返回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形 . 在我开始一个新线程并创建一个图形的那一刻，它被构建为一个特定于该线程的单独图形 . 我可以通过以下方式解决这个问题，