从 tf.identity 理解 tensorflow 矩阵赋值与 python 变量赋值的区别

本文通过tf.identity探讨了TensorFlow中矩阵赋值与Python变量赋值的区别。在TensorFlow环境中,简单的Python赋值不会执行操作,而需要使用tensor操作。通过示例展示了如何正确实现tensor赋值以确保操作执行。
摘要由CSDN通过智能技术生成

在 tensorflow 中 tf.identity 用于返回一个与输入 tensor 值相同的 tensor。
下面程序要做的是,5次循环,每次循环给x加1,赋值给y,然后打印出来

x = tf.Variable(0.0)
#返回一个op,表示给变量x加1的操作
x_plus_1 = tf.assign_add(x, 1)

#control_dependencies的意义是,在执行with包含的内容前
#先执行control_dependencies中的内容(在这里就是 x_plus_1)
with tf.control_dependencies([x_plus_1]):
    y = x
init = tf.initialize_all_variables()

with tf.Session() as session:
    init.run()
    for i in range(5):
        print(y.eval())
    print(x.eval())

运行上面的代码会发现结果

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值