为什么我们需要在TensorFlow中使用"assign“？
为什么我们需要在TensorFlow中使用"assign“？
提问于 2019-02-21 22:39:23
我正在经历一个示例here。我看到了以下的操作顺序：
import tensorflow as tf
v1 = tf.get_variable("v1", shape=[3], initializer = tf.zeros_initializer)
inc_v1 = v1.assign(v1+1)
init_op = tf.global_variables_initializer()
s = tf.Session()
s.run(init_op)
s.run(inc_v1)结果，我们得到了：
array([1., 1., 1.], dtype=float32)我不明白"assign“操作背后的逻辑。特别是，我已经将其替换为在我看来简单得多的东西：
import tensorflow as tf
v1 = tf.get_variable("v1", shape=[3], initializer = tf.zeros_initializer)
inc_v1 = v1 + 1
init_op = tf.global_variables_initializer()
s = tf.Session()
s.run(init_op)
s.run(inc_v1)我得到了完全相同的输出。那么，为什么我们需要赋值呢？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54809628
复制相关文章
相似问题