Graph Tensorflow图：Tensorflow图是DAG吗？在张量变量的赋值加法运算中会发生什么

这个图怎么是非循环的？assign add op将x添加到其自身

import tensorflow as tf
sess = tf.Session()
x = tf.Variable(1300,name="x")
y = tf.Variable(200, name="y")
z = tf.add(x, y,name="z")
b = x.assign_add(z)
init = tf.initialize_all_variables()
writer = tf.train.SummaryWriter("/tmp/logdir", sess.graph)
sess.run(init)
print(sess.run(b))

很明显，在AssignAdd和X之间有一条双向边

为什么X被两次描述为变量

很明显，在AssignAdd和X之间有一条双向边

每个操作

Assign

或

AssignAdd

有两个输入，没有输出：

• a

  tf.Variable

  ：我们为其赋值的变量。这里您可以看到一条双向边，因为该操作从

  x

  读取旧值，然后写回新值
• a

  tf.Tensor

  ：分配给变量（或添加到变量）的值

---

为什么X被两次描述为变量

变量

x

在名为

x

的大块中的图形中出现一次，但使用两次：

• 在操作

  tf.add（x，y）

  ：图形读取

  x

  的值作为输入
• 在AssignAdd操作中：如前所述，

  x

  是AssignAdd操作的

  tf.Variable

  输入

---

结论 该图是非循环的，因为每个想要更新

x

值的操作都有变量

x

作为输入，而不是输出。如果操作

Assign

有一个变量作为输出，它确实会导致循环。

as，程序的图形是DAG。graph visualizer在呈现图形时有一些自由，以使其更易于理解。特别是，运行时本身没有“双向”边，但TensorFlow包含变量的“引用边”，这类似于将可变值（如指针或可变引用）传递到C/C++函数中，因为它们允许接收者修改用于变量的相同基础存储

请注意，它是合法的，甚至是嵌套循环。该函数提供了一种创建结构化循环以表示迭代计算的方法，TensorFlow可以为其计算梯度。但是，对于简单变量的使用，不需要循环