Question

在以下示例中，sess.run(init)是否在for循环中，结果是相同的。有人能帮我理解为什么会这样吗？初始化在tensorflow中实际做了什么？

==> main.py <==
#!/usr/bin/env python
# vim: set noexpandtab tabstop=2 shiftwidth=2 softtabstop=-1 fileencoding=utf-8:

import tensorflow as tf

x = tf.Variable(1)
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for i in xrange(5):
        x = x + 1
        print(x.eval())

==> main_rep.py <==
#!/usr/bin/env python
# vim: set noexpandtab tabstop=2 shiftwidth=2 softtabstop=-1 fileencoding=utf-8:

import tensorflow as tf

x = tf.Variable(1)
init = tf.global_variables_initializer()

with tf.Session() as sess:
    for i in xrange(5):
        sess.run(init)
        x = x + 1
        print(x.eval())

Answer 1

问题不在于sess.run(init)，而在于此声明

x = x + 1

你基本上是在创建一个名为x的新张量，它会覆盖你的变量x。要验证是否运行此代码：

import tensorflow as tf

x = tf.Variable(1)
init = tf.global_variables_initializer()

with tf.Session() as sess:
    for i in xrange(5):
        sess.run(init)
        x = x + 1
        print(x.eval())
        print(x)

您将获得以下输出：

2
Tensor("add:0", shape=(), dtype=int32)
3
Tensor("add_1:0", shape=(), dtype=int32)
4
Tensor("add_2:0", shape=(), dtype=int32)
5
Tensor("add_3:0", shape=(), dtype=int32)
6
Tensor("add_4:0", shape=(), dtype=int32)

正如您所看到的，每次都会创建一个新的张量。如果您确实希望确保x再次获得初始值，则必须保留变量以便再次重新创建。您可以采取的一种方法是使用load操作。考虑这个例子：

y = tf.Variable(1)
init = tf.global_variables_initializer()

with tf.Session() as sess:
    for i in xrange(5):
        sess.run(init)
        y.load(y.eval() + 1)
        print(y.eval())
        print(y)

您将获得以下输出：

2
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
2
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
2
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
2
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
2
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>

为什么多次运行tf.global_variables_initializer（）不会改变结果？

1 个答案: