Tensorflow:tf.assign()函数

state = tf.Variable(1)
state_ = tf.assign(state, 10)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(state))
    print(sess.run(state_))
    print(sess.run(state))

输出：

1
10
10

下面这个语句创建了两个节点
state = tf.Variable(1)
state_ = tf.assign(state, 10)
1212
第一个节点会返回一个创建好的变量。
第二个节点是完成对于第一个节点的返回的数据的赋值过程节点。
之后，创建一个会话。先是进行全局的变量的初始化，之后，执行第一个语句，并输出执行完这个语句的返回。

我们知道了，在第二节点上，确实发生了赋值过程。
通过第三句，我们其实只是获得到了这样的一个节点。同时，确定了，这句话的关于变量的赋值过程，其实并不是在该句话完成的。这句话（也就是该节点），其实只是做了一个关于该变量点的一个指向过程而已。

 ———————————————— 
版权声明：本文为CSDN博主「肥宅_Sean」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/a19990412/article/details/82917734