TensorFlow基础学习——tf.control_dependencies()函数用法

转载请注明出处：http://blog.csdn.net/dongdong9223/article/details/83574333
本文出自【我是干勾鱼的博客】

Ingredient：

• Python：Python 3.6.6(Python Downloads)

1 功能

tf.control_dependencies()函数是用来控制计算流图的，也就是给图中的某些计算指定顺序。有的时候我们想要指定某些操作执行的依赖关系，比如想要让参数先更新，然后再获取参数更新后的值等。

tf.control_dependencies(control_inputs)会返回一个控制依赖的上下文管理器，使用了with关键字就可以让在这个上下文环境中的操作都在control_inputs 执行，比如：

with g.control_dependencies([a, b, c]):
  # `d` and `e` will only run after `a`, `b`, and `c` have executed.
  d = ...
  e = ...

d、e的操作会在a、b、c的操作执行完之后再执行。

2 示例

比如，训练模型时有可能每步训练需要按先后顺序执行2种操作：

a
b

这时我们就可以使用如下代码：

with tf.control_dependencies([a, b]):
    c= tf.no_op(name='train')    #tf.no_op函数什么也不做
sess.run(c)

这会保证a、b按顺序执行。这种情况下其实可以将上面代码替换为：

c= tf.group([a, b])
sess.run(c)

3 参考

tf.control_dependencies()作用及用法

tensorflow学习笔记：control dependencies

TensorFlow中tf.control_dependencies和tf.no_op的意义和用法？

tensorflow随笔-条件循环控制 - tf.no_op（4）