tensorflow中的关键字global_step使用

global_step经常在滑动平均，学习速率变化的时候需要用到，这个参数在tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_steps)里面有，系统会自动更新这个参数的值，从1开始。

例如：

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. x = tf.placeholder(tf.float32, shape=[None, 1], name='x')  
6. y = tf.placeholder(tf.float32, shape=[None, 1], name='y')  
7. w = tf.Variable(tf.constant(0.0))  
8.   
9. global_steps = tf.Variable(0, trainable=False)  
10. learning_rate = tf.train.exponential_decay(0.1, global_steps, 10, 2, staircase=False)  
11. loss = tf.pow(w*x-y, 2)  
12.   
13. train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_steps)  
14.   
15. with tf.Session() as sess:  
16.     sess.run(tf.initialize_all_variables())  
17.     for i in range(10):  
18.         sess.run(train_step, feed_dict={x:np.linspace(1,2,10).reshape([10,1]),  
19.             y:np.linspace(1,2,10).reshape([10,1])})  
20.         print sess.run(learning_rate)  
21.         print sess.run(global_steps)  

输出：

0.107177
1
0.11487
2
0.123114
3
0.131951
4
0.141421
5
0.151572
6
0.16245
7
0.17411
8
0.186607
9
0.2
10