tf.group()用于组合多个操作

tf.group()用于创造一个操作，可以将传入参数的所有操作进行分组。API手册如:

tf.group(
    *inputs,
    **kwargs
)

ops = tf.group(tensor1, tensor2,...) 
其中*inputs是0个或者多个用于组合tensor，一旦ops完成了，那么传入的tensor1,tensor2,...等等都会完成了，经常用于组合一些训练节点，如在Cycle GAN中的多个训练节点，例子如：

generator_train_op = tf.train.AdamOptimizer(g_loss, ...)
discriminator_train_op = tf.train.AdamOptimizer(d_loss,...)
train_ops = tf.groups(generator_train_op ,discriminator_train_op)

with tf.Session() as sess:
  sess.run(train_ops) 
  # 一旦运行了train_ops,那么里面的generator_train_op和discriminator_train_op都将被调用

注意的是，tf.group()返回的是个操作，而不是值，如果你想下面一样用，返回的将不是值

a = tf.Variable([5])
b = tf.Variable([6])
c = a+b
d = a*b
e = a/b
ops = tf.group(c,d,e)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    ee = sess.run(ops)

返回的将不是c,d,e的运算结果，而是一个None，就是因为这个是一个操作，而不是一个张量。如果需要返回结果，请参考tf.tuple()
--------------------- 
作者：FesianXu 
来源：CSDN 
原文：https://blog.csdn.net/LoseInVain/article/details/81703786 
版权声明：本文为博主原创文章，转载请附上博文链接！