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

最新推荐文章于 2024-09-17 23:15:58 发布

兵工厂阿森纳

最新推荐文章于 2024-09-17 23:15:58 发布

阅读量2.1k

点赞数

分类专栏： python TensorFlow 文章标签： python tensorflow

本文链接：https://blog.csdn.net/dadahongmo/article/details/79921496

版权

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())