Python 是否将每个张量作为回迁传递给会话的run方法？

假设我们有以下代码：

import tensorflow as tf


temp = {"first": tf.Variable(1.0), "second": tf.Variable(2.0)}

with tf.Session() as sess:
    sess.run(temp)
    print(temp["first"])
    print(temp["second"])

---

如果在包含两个TensorFlow变量的字典（例如，

temp

）上执行

sess.run（）

，将对这两个变量求值吗？

我相信正确的语法如下所示

results = sess.run(temp.values())
for name, val in zip(temp, results):
  print name, val

会话

类的

运行

方法的

run（fetches，feed\u dict=None，options=None，run\u metadata=None）

在

获取

中运行操作并计算张量

此方法运行TensorFlow计算的一个“步骤”，通过运行必要的图形片段来执行每个操作并计算

获取

中的每个张量，用

提要_dict

中的值替换相应的输入值

fetches参数可以是单个图形元素，也可以是任意嵌套的列表、元组、namedtuple、dict或OrderedDict，在其叶子处包含图形元素

在您的情况下，

temp

（a

dict

）是传递给

run

的“

获取

”。因此，

temp

中的每个操作或张量都会被计算

如果我没有遗漏任何内容，那么文档中没有提到任何关于求值顺序的内容，我认为，您不应该假设操作或张量是按照特定顺序求值的，因为这可能会发生更改（例如，由于优化）

因此，为了直接回答您的问题：是的，每个变量/张量（作为

获取

到会话的

运行

方法传递）都会被计算

此外，请注意，您的代码也有问题，例如

import tensorflow as tf


temp = {"first": tf.Variable(1.0), "second": tf.Variable(2.0)}

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(temp)
    print(temp["first"])
    print(temp["second"])

像美国一样

启动图形时，必须显式初始化变量，然后才能运行使用其值的操作

---

这根本不能回答问题！不，OP在字典中打印值的方式也是有效的。谢谢！是的，我只是写了一些小代码，这样你就可以得到要点，我碰巧错过了。