admin管理员组文章数量:1654380
1.tf.assign_add() 和+区别
tf.assign_add()相当于将图上的点a进行加法运算,然后将结果赋值给节点a,这样图上只有一个节点,如下图所示,最后的所有值都会流回variable
a = tf.Variable(3,name='a')
op = tf.assign_add(a,1)
b = tf.assign_add(op, 1)
tf.summary.scalar('a', a)
tf.summary.scalar('op', op)
tf.summary.scalar('b', b)
merge = tf.summary.merge_all()
writer = tf.summary.FileWriter('sss', tf.get_default_graph())
for v in tf.trainable_variables():
print(v)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
m = sess.run(merge)
writer.add_summary(m)
sess.run(op)
sess.run(op)
sess.run(op)
print(sess.run(op))
print(op)
print(a)
print(b)
print(sess.run(a))
而+运算,取出节点a上的值进行运算,但是运算的结果不会流回varialbe中
a = tf.Variable(3,name='a')
op = tf.assign_add(a,1)
b = op + 1
tf.summary.scalar('a', a)
tf.summary.scalar('op', op)
tf.summary.scalar('b', b)
merge = tf.summary.merge_all()
writer = tf.summary.FileWriter('sss', tf.get_default_graph())
for v in tf.trainable_variables():
print(v)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
m = sess.run(merge)
writer.add_summary(m)
sess.run(op)
sess.run(op)
sess.run(op)
print(sess.run(op))
print(op)
print(a)
print(b)
print(sess.run(a))
2.tf.identify()
- y = tf.identity(x)是一个op操作表示将x的值赋予y
- y = x只是一个内存拷贝,并不是一个op,而control_dependencies只有当里面是一个Op的时候才能起作用。
- Assign, Identity 这两个OP 与Variable 关系极其紧密,分别实现了变量的修改与读取。因此,它们必须与Variable 在同一个设备上执行;这样的关系,常称为同位关系(Colocation)。
下面两个例子,可以说是一目了然。
x = tf.Variable(0.0)
#返回一个op,表示给变量x加1的操作
x_plus_1 = tf.assign_add(x, 1)
#control_dependencies的意义是,在执行with包含的内容(在这里就是 y = x)前
#先执行control_dependencies中的内容(在这里就是 x_plus_1)
with tf.control_dependencies([x_plus_1]):
y = x
print(x)
print(y)
init = tf.initialize_all_variables()
with tf.Session() as session:
init.run()
for i in xrange(5):
print(y.eval())
'''
<tf.Variable 'Variable:0' shape=() dtype=float32_ref>
<tf.Variable 'Variable:0' shape=() dtype=float32_ref>
>>0
0
0
0
0
'''
x = tf.Variable(0.0)
#返回一个op,表示给变量x加1的操作
x_plus_1 = tf.assign_add(x, 1)
#control_dependencies的意义是,在执行with包含的内容(在这里就是 y = x)前
#先执行control_dependencies中的内容(在这里就是 x_plus_1)
with tf.control_dependencies([x_plus_1]):
y = tf.identify(x)
print(x)
print(y)
init = tf.initialize_all_variables()
with tf.Session() as session:
init.run()
for i in xrange(5):
print(y.eval())
'''
Tensor("Identity:0", shape=(), dtype=float32)
<tf.Variable 'Variable:0' shape=() dtype=float32_ref>
1.0
2.0
3.0
4.0
5.0
'''
版权声明:本文标题:tf.assign_add()和+区别, tf.identify 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dianzi/1729649787a1208902.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论