tf.control_dependencies确实可以在我的小程序中工作吗？

Question

我编写了一个samll程序来测试if (empty($_POST['firstname'])) {的工作方式，但是结果似乎让我感到困惑。我的测试代码如下：

tf.control_dependencies

当我运行程序时，import tensorflow as tf x = tf.Variable(0.0) y = None for i in range(5): assign_op = tf.assign(x, i) with tf.control_dependencies([assign_op]): y = tf.identity(x) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) print(sess.run(x)) print(sess.run(y)) 和x的值分别为y和0.0。由于4.0的值可获得正确答案，因此在此示例中，y中的assign_op有效。然后，当op正常工作时，为什么tf.control_dependencies的值不等于x？
如果我对4.0的实际运作方式有误解，请纠正我。

Answer 1

因为直到运行y为止，都没有分配。

您必须将程序视为计算图。通过设置依赖关系，您可以告诉Tensorflow“当您评估y时，请确保分配已经执行”。

但是您在第一次运行x时会告诉您任何操作。

尝试在sess.run(x)之后运行sess.run(y)，您会看到预期的结果。

在图像中，您必须将水平线视为类似于“ join”控制操作：在评估节点之前等待所有“ below”操作”。

Answer 2

这是因为您尚未执行assign_op操作。这就是您想要的：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(assign_op)
    print(sess.run(x))
    print(sess.run(y))
# 4.0
# 4.0

但是您要先调用sess.run(x)，然后它将其评估为初始值0.0。如果您首先调用sess.run(y)，它将首先执行x的赋值，然后将y评估为与x相同的值：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(y))
    print(sess.run(x))
# 4.0
# 4.0

因此，您需要先致电sess.run(y)。