Question

在以下代码中：

import tensorflow as tf
import numpy as np

with tf.Session():
    input_features = tf.constant(np.reshape([2, 1, 1, 2], (1, 4)).astype(np.float32))
    print(input_features)
    weights = tf.constant(np.random.randn(4, 2).astype(np.float32))
    output = tf.matmul(input_features, weights)
    print("Input:")
    print(input_features.eval())
    print("Weights:")
    print(weights.eval())
    print("Output:")
    print(output.eval())

当它调用print(weights.eval())时，将计算权重。当它调用output.eval()时，会重新计算权重，还是会使用之前调用的缓存值？

Answer 1

weights是常数张量，在运行此行时会得到一个值：

weights = tf.constant(np.random.randn(4, 2).astype(np.float32))

...而且这个值实际上存储在图表中，永远不会改变，就像input_features一样。您可以评估weights或任何依赖操作，并始终获得相同的结果。当然，Tensorflow会在会话中存储所有常量和变量的值，如果您愿意，可以将其称为缓存。

这里唯一的随机性是价值本身：np.random.randn(4, 2)。每次运行脚本时，此数组都会有所不同（但如上所述，在脚本中将是相同的。）

tensorflow是否缓存数据？

1 个答案: