Question

假设我们有以下代码：

import tensorflow as tf


temp = {"first": tf.Variable(1.0), "second": tf.Variable(2.0)}

with tf.Session() as sess:
    sess.run(temp)
    print(temp["first"])
    print(temp["second"])

如果您在包含两个TensorFlow变量的字典（例如sess.run()）上进行temp的操作，这两个变量是否要求值？

Answer 1

run类状态的Session方法的documentation

run(fetches, feed_dict=None, options=None, run_metadata=None)

运行操作并评估fetches中的张量。

此方法运行TensorFlow计算的一个“步骤”，方法是运行必要的图形片段以执行每个操作并评估fetches中的每个Tensor，然后将feed_dict中的值替换为相应的输入值。

fetches参数可以是单个图形元素，也可以是在其叶子处包含图形元素的任意嵌套的列表，元组，namedtuple，dict或OrderedDict。

在您的情况下，temp（a dict）是您传递给fetches的“ run”。因此，将评估temp中的每个运算或张量。

如果我什么都没错过，那么文档中就没有任何关于评估顺序的信息，而且我认为，您不应该假定操作或张量是按特定顺序评估的，因为这可能是可能会有所更改（例如，由于优化）。

因此，要直接回答您的问题：是的，将评估每个变量/张量（作为会话的fetches方法的run传递）。

此外，请注意您的代码也有问题，例如是

import tensorflow as tf


temp = {"first": tf.Variable(1.0), "second": tf.Variable(2.0)}

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(temp)
    print(temp["first"])
    print(temp["second"])

documentation for Variable声明

启动图形时，必须先明确初始化变量，然后才能运行使用其值的Ops。

Answer 2

我相信正确的语法将是这样

results = sess.run(temp.values())
for name, val in zip(temp, results):
  print name, val

是否对获取到会话的run方法的每个张量进行了评估？

2 个答案: