identity:
n.身份; 本身; 本体; 特征; 特有的感觉(或信仰); 同一性; 相同; 一致;
identity的意思是自身的意思,简单说就是赋值。
x = tf.Variable(0.0)
y=x
和下面的:
x = tf.Variable(0.0)
y=tf.identity(x)
的区别在于,x是tensor类型,直接利用=只是拷贝内存,而y不会作为一个tensor在图中出现,(应该
是=不能重载的原因,所以需要我们调用函数来实现某些功能。)
如果希望y成为一个tensor出现在图中,=的右边必须是一个op,而遗憾的x是一个tensor,所以
需要利用tf.identity来告诉告诉编译器,y可以是一个和x一样的tensor。
至于使用场景:很多with tf.control_dependencies([list]):中的代码必须是tensor才能执行,当然也有
一些其他的使用场景。下面是个别人给的小栗子:
x = tf.Variable(1.0)
y = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 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 xrange(5):
print(y.eval())
结果:1.1.1.1.1
而更换后变成:2,3,4,5,6