Python 打印结果不一致

我试图理解tensorflow图中的执行顺序。当我运行下面的代码时<代码>tf.打印打印未确定的结果

将tensorflow导入为tf
对于范围内的（20）：
tf.reset_default_graph（）
使用资源=False
v=tf.Variable（0，trainable=False，use\u resource=use\u resource，name='v'）
v_op1=v.assign_add（1，name='v_op1'）
v_op2=v.assign_add（2，name='v_op2'）
使用tf.control_依赖项（[v_op1]）：
w1=tf.print（'msg1:'，v，name='v--w'）
使用tf.control_依赖项（[w1，v_op2]）：
w2=tf.print（'msg2:'，v'，\n'，name='w--w'）
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
sess.run（w2）

这里是20次重复的输出。有时打印“msg1:3”，有时打印“msg1:1”。这是怎么回事

msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:1
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:3
msg2:3
msg1:1
msg2:3

我认为发生的事情是，你在w1和v_op2之间创建了一个竞赛，它们同时被执行。（带这些行）

具有tf.control_依赖项（[w1，v_op2]）：

例如，如果在w1之前执行v_op2，则将2添加到

v

，然后在执行w1时，将1添加到其中，使msg_1打印3。然而，当w1能够在v_op2执行之前完成时，则在v之后将2添加到

v

e、 g.案例1

v_op2 executed:
v = 2
w1 executed:
v = 3
print(v)

案例2

w1 executed
v = 1
print(v)
v_op2 executed
v=3

---

我认为现在发生的事情是你在w1和v_op2之间创造了一场竞赛，他们两个同时被执行。（带这些行）

具有tf.control_依赖项（[w1，v_op2]）：

例如，如果在w1之前执行v_op2，则将2添加到

v

，然后在执行w1时，将1添加到其中，使msg_1打印3。然而，当w1能够在v_op2执行之前完成时，则在v之后将2添加到

v

e、 g.案例1

v_op2 executed:
v = 2
w1 executed:
v = 3
print(v)

案例2

w1 executed
v = 1
print(v)
v_op2 executed
v=3

---

你使用的是什么版本的TF？就个人而言，我无法在TF1.12.0（CPU或GPU）上复制，但这可能取决于特定的机器设置。这些事情总是有点神秘，您可能会看到是否使用帮助，因为它应该确保变量与控件依赖项一起读取。我想发生的是，有时一个旧的、缓存的变量值会在控制依赖项下的操作中被提取，但老实说，我不确定这是否是预期的行为…@jdehesa我使用的是tf-1.14-gpu。我的猜测和你的一样。w1将在v_op2完成之前或之后读取v值…但我不确定其背后到底发生了什么…您使用的是什么版本的TF？就个人而言，我无法在TF1.12.0（CPU或GPU）上复制，但这可能取决于特定的机器设置。这些事情总是有点神秘，您可能会看到是否使用帮助，因为它应该确保变量与控件依赖项一起读取。我想发生的是，有时一个旧的、缓存的变量值会在控制依赖项下的操作中被提取，但老实说，我不确定这是否是预期的行为…@jdehesa我使用的是tf-1.14-gpu。我的猜测和你的一样。w1将在v_op2完成之前或之后读取v值…但我不确定它后面到底发生了什么…这似乎是现在唯一可能的原因。如果您正在编写实际代码，尽管我会尝试不使用相同变量的独立依赖项，这似乎是现在唯一可能的原因。如果您正在编写实际代码我会尽量避免使用相同变量的独立依赖项