TensorFlow 中的identity()函数

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
————————————————
版权声明：本文为CSDN博主「feng__shuai」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/feng__shuai/article/details/90764259