关于"tensorflow.initialize_all_variables()“
关于"tensorflow.initialize_all_variables()“
提问于 2016-06-22 23:49:05
我想知道以下两段代码之间有什么区别：
import tensorflow as tf
x = tf.Variable(0, name='x')
model = tf.initialize_all_variables()
with tf.Session() as session:
for i in range(5):
session.run(model)
x = x + 1
print(session.run(x))import tensorflow as tf
x = tf.Variable(0, name='x')
model = tf.initialize_all_variables()
with tf.Session() as session:
for i in range(5):
x = x + 1
session.run(model)
print(session.run(x))唯一的区别是"x =x+ 1“和”session.run(模型)“的顺序。我认为这将对输出产生很大的影响，因为session.run(模型)将初始化所有变量。但是，这两个代码块输出的内容是相同的.
代码是从教程中复制的：http://learningtensorflow.com/lesson2/
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-06-23 00:42:36
是啊，这里有点棘手。Tensorflow的一个重要概念是延迟求值，这意味着首先建立节点的Tensorflow图，而图的求值只在session.run中进行。
对于这一行代码x=x+1，这里的x是类型的张量，这里的+是重载的tf.add，所以x=x+1实际上正在构建图，还没有进行计算；在每次迭代时，图(在本例中是二叉树)被添加了一个多层(多一个嵌套和)。Session.run(模型)总是将x初始化为0，session.run(x)将根据到目前为止在迭代中构造的图计算x。例如，在迭代4中，x被加1 4次，因为这个迭代中的图有4个嵌套和(或层)。
如果这对您有意义的话，我认为“两个代码本质上是相同的”也是有意义的。
注意:严格地说，在第一次迭代中，右边的x是类型变量，但这些是细节，不是我想要指出的要点.
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/37980020
复制相关文章
相似问题
腾讯云开发者
