Question

当前，我有以下代码：

x = tf.placeholder(tf.int32, name = "x")
y = tf.Variable(0, name="y")
y = 2*x**2 + 5
for i in range(1,10):
    print("Value of y for x = ",i, " is: ",sess.run(y, feed_dict={x:i}))

但是，当我尝试在张量板上显示时，会变得混乱。理想情况下，我想做y = tf.Variable（2 * x ** 2 +5），但是tensorflow抛出一个错误，告诉我x未初始化。还是我不应该使用tf.Variable并使用其他内容？

Answer 1

我认为您误会了tf.Variable是。引用Tensorflow documentation：

tf.Variable表示一个张量，其值可以更改运行它。与tf.Tensor对象不同，存在tf.Variable 在单个session.run调用的上下文之外。

因此变量将是您在神经网络中的偏见和权重。培训网络时，这些内容会有所不同。在Tensorflow中，如果要使用变量，则需要初始化它们（使用常量或随机值）。这就是您要解决的错误：您将y定义为tf.Variable，因此需要对其进行初始化。

但是，您的y是确定性的，不是tf.Variable。您只需删除定义y的行，即可正常运行：

import tensorflow as tf

x = tf.placeholder(tf.int32, name = "x")
y = 2*x**2 + 5

with tf.Session() as sess:
    for i in range(1,10):
        print("Value of y for x = ",i, " is: ",sess.run(y, feed_dict={x:i}))

它返回：

Value of y for x =  1  is:  7
Value of y for x =  2  is:  13
Value of y for x =  3  is:  23
Value of y for x =  4  is:  37
Value of y for x =  5  is:  55
Value of y for x =  6  is:  77
Value of y for x =  7  is:  103
Value of y for x =  8  is:  133
Value of y for x =  9  is:  167

Answer 2

如果您确实想使用tf.Variable进行此操作，则可以通过两种方式进行。您可以使用所需的表达式作为变量的初始化值。然后，在初始化变量时，将x的值传递到feed_dict中。

import tensorflow as tf

# Placeholder shape must be specified or use validate_shape=False in tf.Variable
x = tf.placeholder(tf.int32, (), name="x")
# Initialization value for variable is desired expression
y = tf.Variable(2 * x ** 2 + 5, name="y")
with tf.Session() as sess:
    for i in range(1,10):
        # Initialize variable on each iteration
        sess.run(y.initializer, feed_dict={x: i})
        # Show value
        print("Value of y for x =", i , "is:", sess.run(y))

或者，您可以使用tf.assign操作来执行相同的操作。在这种情况下，您在运行分配时传递x值。

import tensorflow as tf

# Here placeholder shape is not stricly required as tf.Variable already gives the shape
x = tf.placeholder(tf.int32, name="x")
# Specify some initialization value for variable
y = tf.Variable(0, name="y")
# Assign expression value to variable
y_assigned = tf.assign(y, 2 * x** 2 + 5)
# Initialization can be skipped in this case since we always assign new value
with tf.Graph().as_default(), tf.Session() as sess:
    for i in range(1,10):
        # Assign vale to variable in each iteration (and get value after assignment)
        print("Value of y for x =", i , "is:", sess.run(y_assigned, feed_dict={x: i}))

但是，与pointed out by Nakor一样，如果y只是x取值的表达式的结果，则可能不需要变量。变量的目的是保留一个值，该值将在以后对run的调用中保留。因此，仅当您希望将y设置为取决于x的某个值，然后即使x发生变化（或即使x保持相同的值，也才需要它。完全没有提供。）

如何使用占位符分配tf.Variables？

2 个答案: