【tensorflow】tf.identity()

本文介绍了TensorFlow中tf.control_dependencies的用法,通过实例演示如何确保操作按特定顺序执行。解释了为什么直接赋值不会更新变量,并展示了正确的实现方式。
部署运行你感兴趣的模型镜像

常与tf.control_dependencies(self, control_inputs)配合使用,只有当这个上下文管理器中的是一个操作时,control_inputs才会执行。


x = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)

with tf.control_dependencies([x_plus_1]):
    y = x
    ##此时程序输出会是1 1 1 1 1
    ##并不是一个op,需要改为y = tf.identity(x)
    ##程序输出为1 2 3 4 5
init = tf.global_variables_initializer()

with tf.Session() as session:
    init.run()
    for i in range(5):
        print(y.eval())

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值