Question

我是tensorflow的新手，我试图了解它的行为；我正在尝试在会话范围之外定义所有操作，以优化计算时间。在以下代码中：

import tensorflow as tf
import numpy as np  
Z_tensor = tf.Variable(np.float32( np.zeros((1, 10)) ), name="Z_tensor")
Z_np = np.zeros((1,10))
update_Z = tf.assign(Z_tensor, Z_np)

Z_np[0][2:4] = 4

with tf.Session() as sess:
    sess.run(Z_tensor.initializer)
    print(Z_tensor.eval())
    print(update_Z.eval(session=sess))

我得到了输出：

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

相反，我希望将其作为输出：

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[[0. 0. 4. 4. 0. 0. 0. 0. 0. 0.]]

似乎Z_np数组在赋值操作中没有更新，我也不明白为什么。不是吗

  update_Z = tf.assign(Z_tensor, Z_np)

与Z_np链接吗？

Answer 1

使用tf.assign时，它期望张量作为第二个参数。由于您提供了一个Numpy数组，因此它会自动将其提升为CONSTANT张量并将其放置在图中。因此，您对Numpy数组所做的任何更改都不会对TensorFlow图产生任何影响。为了获得所需的功能，您应该使用占位符：

Z_placeholder = tf.placeholder(tf.float32, Z_np.shape)

with tf.Session() as sess:
    sess.run(Z_tensor.initializer)
    print(Z_tensor.eval(feed_dict={Z_placeholder: Z_np}, session=sess))
    Z_np[0][2:4] = 4
    print(Z_tensor.eval(feed_dict={Z_placeholder: Z_np}, session=sess))

tensorflow：如何分配一个更新的numpy

1 个答案: