tf.Graph

tf.Graph.control_dependencies(control_inputs)

用在上下文管理器中,参数control_inputs是op或tensor的list,其运行先于上下文管理器中的op或tensor。也可以为None,此时取消了控制依赖关系。

with tf.Session() as sess:
    a = tf.Variable(0)
    b = tf.Variable(0)
    c = tf.add(a, b)
    tf.global_variables_initializer().run()
    with tf.control_dependencies([c]):
        a = tf.assign(a, 5)
        b = tf.assign(b, 3)
        print(sess.run([a, b, c]))
        # =>[5, 3, 0]
        with tf.control_dependencies([c]):
            a = tf.assign(a, 0)
            print(sess.run([a, b, c]))
            # =>[0, 3, 8]
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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