Python 在TensorFlow中平铺变量张量会创建新变量吗？

我有一个（2x1）变量张量，我定义为：

W = tf.Variable(tf.random_normal([2, 1]))

因此，（2x1）向量中有2个变量。然后我继续平铺这个张量，如下所示：

W = tf.tile(W,tf.constant([1,3]))

我们现在有一个（2x3）张量。我的问题是：

---

我们知道有6个唯一变量吗？或者这两个唯一变量是否在3列上平铺？

它的行为与您预期的一样：原始变量平铺，没有创建变量。很容易检查：

import tensorflow as tf

W = tf.Variable(tf.zeros((2,1)))
Wt = tf.tile(W, (1,3))

sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
print(Wt.eval())
# [[ 0.  0.  0.]
#  [ 0.  0.  0.]]
W[0,0].assign(1).eval()
print(Wt.eval())
# [[ 1.  1.  1.]
#  [ 0.  0.  0.]]

Wt

不是变量，无法赋值：

Wt[0,0].assign(1).eval()
# ValueError: Sliced assignment is only supported for variables

---

您可以查看

tf.get_default_graph（）.as_graph_def（）

的输出，了解实际的图形是什么。您将有一个用于

变量

的op和一个用于

平铺

的op，它们彼此相连，因此只有一个变量