Tensorflow - 复制张量与赋值

Question

复制 Tensorflow 张量的正确方法是什么？在常规 Python 中，非基元赋值 (b = a) 会创建对同一对象的引用，因此我们使用 deepcopy。 Tensorflow 中是否同样需要 tf.identity，或者 Tensorflow 是否将 b 视为 b = a 之后的唯一张量？

我的具体需求总结如下。我正在构建一个块中的模型，每个块都获取前一个块的输出，通过层馈送它，然后与前一个块的原始原始输出相加。看到标记为方法 A 和方法 B 的 2 行。哪个是正确的？

for block_num in range(4):

    if block_num == 0:
        x = inputTensor

    x = tf.keras.layers.Dense(100, activation='relu')(x)

    if block_num > 0:
        x = block_output_tensor + x

    # method A - assignment
    block_output_tensor = x

    # method B - copy
    # block_output_tensor = tf.identity(x)

Answer 1

在您的情况下，简单的赋值 block_output_tensor = x 应该可以正常工作。只需重新排列行，在使用前定义 block_output_tensor。

然而，在一些更复杂的情况下，使用 tf.identity() 确保正确的图形布局很重要。请参阅讨论的此问题 here at SO。