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