我正在使用tensorflow-10.0和gpu支持，我想比较2个等式是否返回相同的东西（他们实际上应该）。我将第二个等式简化到两个等式都相等的点，但是断言返回它们不是。
在下面的代码片段b中，c，d是float32张量并在上面计算。
a1 = tf.reduce_sum(-1/2 - 1/2*b + 1/2*tf.exp(c) + 1/2*tf.square(d), 1)
a2 = tf.reduce_sum(-1/2 - 1/2*b + 1/2*tf.exp(c) + 1/2*tf.square(d), 1)
a1 = control_flow_ops.with_dependencies([tf.assert_equal(a1, a2)], a1)
tensorflow.python.framework.errors.InvalidArgumentError：断言 失败：[条件x == y没有按元素持有：x =] [../Sum:0] [0.038984224 0.047407709 0.043144785 ...] [y =] [../Sum_1：0] [0.038984239 0.047407985 0.043144524 ...]
有没有理由，为什么比较两个float32向量会导致断言错误（即使方程是确定性的，并处理相同的值）？两个方程式应该以相同的方式出现舍入误差，或者我错了吗？
提前致谢！
答案 0 :(得分：2)
tf.reduce_sum()运算符 - 与大多数TensorFlow的reduction operators相同 - 是使用多个线程实现并行执行的减少。但是，由于浮点加法不是associative，并且线程可能以非确定性顺序完成，因此多次聚合相同张量的结果可能不同。当聚合的数字具有较大的动态范围时，误差可能特别大。