有趣的tensorflow数据流

tensorflow符号主义的计算首先定义各种变量，然后建立一个“计算图”，计算图规定了各个变量之间的计算关系。

代码：

import tensorflow as tf

var1 = tf.Variable(0)    # our first variable in the "global_variable" set

add1 = tf.add(var1, 1)
# 不assign是不会更新的
update_operation1 = tf.assign(var1, add1)

var2 = tf.Variable(0)
add2 = tf.add(var1,var2)
update_operation2 = tf.assign(var2, add2)

with tf.Session() as sess:
    # once define variables, you have to initialize them by doing this
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        # run 若以tuple的形式，则两者之间没有顺序，并发执行
        result = sess.run((update_operation1,update_operation2))
        print(result)

with tf.Session() as sess:
    # once define variables, you have to initialize them by doing this
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        # run 先执行update_operation1，后执行update_operation2
        result1 = sess.run(update_operation1)
        result2 = sess.run(update_operation2)
        print(result1,result2)

with tf.Session() as sess:
    # once define variables, you have to initialize them by doing this
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        # run 先执行update_operation1，后执行update_operation2
        result = sess.run(update_operation1)
        print(result)

with tf.Session() as sess:
    # once define variables, you have to initialize them by doing this
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        # run 先执行update_operation1，后执行update_operation2
        result = sess.run(update_operation2)
        print(result)

试验结果：

第一个session：结果不唯一。

第一次循环：可能有（1，0）、（1，1）

第二次循环：可能有（2，1）、（2，2）、（2，3）

第二次循环：可能有（3，3）、（3，4）、（3，5）、（3，6）

第二个session：结果唯一。

1 1
2 3
3 6

再看看单个执行的情况：

第三个session：结果唯一。

依次输出1 2 3。

第四个session：结果唯一。

依次输出0 0 0。

总结：

tensorflow各个数据流之间没有顺序，因此需注意计算流之间的依赖关系，避免值被覆盖的问题。