Tensorflow图：Tensorflow图是否为DAG？在张量变量中的assignAdd操作中会发生什么

Question

这个图表是如何非循环的？ assign add op将x添加到自身。

import tensorflow as tf
sess = tf.Session()
x = tf.Variable(1300,name="x")
y = tf.Variable(200, name="y")
z = tf.add(x, y,name="z")
b = x.assign_add(z)
init = tf.initialize_all_variables()
writer = tf.train.SummaryWriter("/tmp/logdir", sess.graph)
sess.run(init)
print(sess.run(b))

显然，AssignAdd和X之间存在双向边缘。

为什么X被描述为变量两次？

Answer 1

作为Olivier points out，您的计划的图表是DAG。图形可视化工具在渲染图形时更加容易理解。特别是，运行时本身没有“双向”边缘，而是TensorFlow包含变量的“参考边”，就像将可变值（如指针或可变引用）传递给C / C ++函数一样，它们允许收件人修改用于变量的相同底层存储。

请注意 合法TensorFlow graphs to contain one or more cycles，甚至是嵌套周期。 tf.while_loop()函数提供了一种创建结构化循环以表示迭代计算的方法，TensorFlow可以为其计算梯度。但是，对于使用简单变量，您不需要循环。

Answer 2

  

显然，AssignAdd和X之间存在双向边缘。

每个操作Assign或AssignAdd都有两个输入，没有输出：

• a tf.Variable：我们为其分配值的变量。在这里，您可以看到双向边，因为该操作从x读取旧值，然后写回新值
• a tf.Tensor：分配给变量的值（或添加到变量中）

  

为什么X被描述为变量两次？

变量x在名为X的大块图表中显示为一次，但使用两次：

操作tf.add(x, y)中的
• ：图表读取x的值作为输入
在AssignAdd操作中
• ：如前所述，x是AssignAdd操作的tf.Variable输入。

结论

图表为非循环，因为每个想要更新x值的操作都将变量x作为输入，但不输出。如果操作Assign有一个变量作为输出，它确实会导致循环。