TensorFlow：多次初始化變量

Question

我對以下代碼段的運行方式感到困惑。

import tensorflow as tf

x = tf.Variable(0)
init_op = tf.initialize_all_variables()
modify_op = x.assign(5)

with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(x))
    x += 3
    print(sess.run(x))
    sess.run(init_op) # Trying to initialize x once again to 0
    print(sess.run(x)) # Gives out 3, which leaves me confused.
    print(sess.run(modify_op))
    print(sess.run(x)) # Gives out 8, even more confusing

這是輸出：
0
3
3
5
8

x += 3線不是默認圖形的一部分嗎？ 還是發生了其他事情？ 一些幫助將不勝感激，謝謝！

Answer 1

您的x變量被更改

x += 3

但並非您所期望的那樣。 tensorflow庫代碼優先於+ ，因此您可以有效地將內容x交換為新的TF張量（舊的仍然在圖中，現在x指向新的張量）。 像這樣寫出來：

x = tf.Variable(0) + 3

而且更清楚了發生了什么。 另外，插入一些打印語句。 。 。

x = tf.Variable(0)
print(x)
# <tensorflow.python.ops.variables.Variable object at 0x1018f5d68>

x += 3
print(x)
# Tensor("add:0", shape=(), dtype=int32)

如果x的內容對您很重要，那么如果以后要使用變量名跟蹤/顯示x ，請避免重新分配給x 。 另外，如果沒有方便的Python變量指向該張量，則始終可以命名該張量並直接從圖中獲取它。 重要的是要習慣TF變量和Python變量之間的分離。

實際上，在嘗試嘗試分配和重置TF變量時，需要使用TF分配運算符：

import tensorflow as tf

x = tf.Variable( 0 )

with tf.Session() as session:
    session.run( tf.initialize_all_variables() )
    print( x.eval() )

    session.run( x.assign( x + 3 ) )
    print( x.eval() )

    session.run( tf.initialize_all_variables() )
    print( x.eval() )

輸出：

0
3
0

如您所料