Question

我是tensorflow的新手，我一直对图的构造和执行感到困惑。像在此简单代码中一样，temp = temp * 3中的=是什么意思？我以为它将在temp和temp本身之间建立连接，因此如果我调用sess.run（temp），它将是一个无限循环。但是结果似乎没有。

第二，在第一次打印后，我认为temp已经改变了它的价目表，所以我第二次调用它时，它不应该是3.0。那么，如果我调用sess.run（），执行规则是什么？

temp = tf.Variable(1.0)
temp = temp*3
with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   print(sess.run(temp))
   print(sess.run(temp))

输出是：

3.0

用tf.assign（）替换=后，我不了解其中的区别

temp = tf.Variable(1.0)
temp = tf.assign(temp, temp*3)
with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   print(sess.run(temp))
   print(sess.run(temp))

输出为：

3.0

9.0

Answer 1

"="是赋值运算符，在temp = temp*3中，您将temp*3返回的张量分配给temp。

无论何时创建张量，tensorflow都会在会话图中存储该张量。您的变量temp是该图中的一个节点。

在此示例中，您的图形应如下所示：

变量（1）->标量乘法（3）

您的temp显示标量乘法张量。每次调用sess.run(temp)时，都会从头开始运行图形，该图形将计算一个值为1的变量张量并将其乘以3。

如果您希望在第二次打印时输出9，请使用tf.Variable而不是tf.placeholder并将第一次运行的结果作为运行调用的feed_dict参数传递。

https://www.tensorflow.org/api_docs/python/tf/placeholder

编辑：回答评论

与'='运算符tf.assign不同，它向会话图添加了一个节点。让我们摆脱温度，给变量命名并绘制图形

a = tf.Variable(1.0)
b = tf.assign(b, a*3)
with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   print(sess.run(b))
   print(sess.run(b))

变量（1）-> scaler_multiplication（3）->赋值（b）执行此图两次将给我们3,3作为输出，因为我们不更改存储在图中并由a指向的Variable(1)。

a = tf.Variable(1.0)
b = tf.assign(b, a*3)
with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   print(sess.run(b))
   print(sess.run(b))

变量（1）-> scaler_multiplication（3）->分配（a）两次执行此图形将给我们3,9，因为a显示Variable(1)，在其中分配a*3的结果将导致Variable(1)变为variable(3)，再次运行它将给出3 * 3 = 9

什么是张量流中的意思

1 个答案: