Python TensorFlow：多次初始化变量

下面的代码段是如何运行的，我有点困惑

import tensorflow as tf

x = tf.Variable(0)
init_op = tf.initialize_all_variables()
modify_op = x.assign(5)

with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(x))
    x += 3
    print(sess.run(x))
    sess.run(init_op) # Trying to initialize x once again to 0
    print(sess.run(x)) # Gives out 3, which leaves me confused.
    print(sess.run(modify_op))
    print(sess.run(x)) # Gives out 8, even more confusing

这是输出：

0

3

3

5

8

---

是否线

x+=3

不是默认图形的一部分？还是发生了什么事？我们将非常感谢您的帮助，谢谢

您的

x

变量正在由更改

x += 3

但不是以你可能期望的方式。tensorflow库代码凌驾于

+

之上，因此您可以有效地将内容

x

交换为新的TF张量（旧的仍将在图中，只是x现在指向一个新的）。这样写出来：

x = tf.Variable(0) + 3

而且更清楚的是发生了什么。另外，插入一些打印语句

x = tf.Variable(0)
print(x)
# <tensorflow.python.ops.variables.Variable object at 0x1018f5d68>

x += 3
print(x)
# Tensor("add:0", shape=(), dtype=int32)

这将产生：

0
3
0

---

正如您所期待的。

从外观上看，这是因为您将x=x+3线添加到了图形中。更清楚地说：现在，您定义的旧x的名称为variable_0或类似的名称，而您打印的新张量现在不再是variable_0，而是variable_1=variable_0+3。它解释了为什么你得到3（0+3）和8（5+3）。变量0仍然存在于某个地方，如果您打印sess.run（graph.get_tensor_by_name（“变量0”）），它不会改变。您将得到您期望的结果。要了解变量的名称，只需将图形视为图形定义。谢谢@jean，这对我很有帮助。谢谢，这就把它清除了。因此，我应该坚持使用

tf.add

、

tf.assign

和

tf.assign\u add

系列，以便将更改反映在图表中。@stark：您不必这样做，这不会把您保存在这里。如果以后要使用变量名跟踪/显示

x

，应避免重新分配给

x

。或者，如果没有方便的Python变量指向张量，则始终可以命名张量并直接从图中获取它。重要的是要习惯TF变量和Python变量之间的分离。我刚刚意识到这一点。我会再多玩一会儿，谢谢你的提示@斯塔克：我在答案中添加了更多的代码，显示调用

初始化所有变量（）

重新设置

x

，就像您之前尝试测试的那样。请注意我是如何使用tf操作将赋值给

x

。这就是我所做的，在您指出python变量和TF托管变量在图中是不同的之后。谢谢你的详细解释。

0
3
0