Tensorflow - 復制張量與賦值

Question

復制 Tensorflow 張量的正確方法是什么？ 在常規 Python 中，分配非基元 ( b = a ) 會創建對相同 object 的引用，因此我們使用 deepcopy。 tf.identity中是否同樣需要 tf.identity，或者 Tensorflow 在b = a之后是否認為b是唯一的張量？

我的具體需求總結如下。 我正在構建一個 model 塊，每個塊都采用前一個塊的 output ，通過層饋送它，然后與前一個塊的原始原始 output 求和。 請參閱標記為方法 A 和方法 B 的 2 行。哪個是正確的？

for block_num in range(4):

    if block_num == 0:
        x = inputTensor

    x = tf.keras.layers.Dense(100, activation='relu')(x)

    if block_num > 0:
        x = block_output_tensor + x

    # method A - assignment
    block_output_tensor = x

    # method B - copy
    # block_output_tensor = tf.identity(x)

Answer 1

在您的情況下，簡單的分配block_output_tensor = x應該可以正常工作。 只需重新排序行，在使用之前定義block_output_tensor 。

然而，在一些更復雜的情況下，使用tf.identity()確保正確的圖形布局很重要。 請參閱SO 此處討論的此問題。