节点的Tensorflow生命周期；

当评估两个变量TensorFlow时，不应重复使用先前评估中的值。（这是Aurélien Géron在机器学习与sklearn和TensorFlow手册中提到的）

以上面提到的代码为例。 如果在计算之间未修改x，则y和z应具有相同的值。 但我试着在评估之间修改它们的值，但它们仍然有相同的结果

with tf.compat.v1.Session() as sess:
    a = y.eval()
    x = w + 3
    b = z.eval()

如果这是一个非常愚蠢的问题，我很抱歉，但我只是想弄清楚我的基本知识，如果有人花时间来解释这一点，那将非常有帮助。谢谢

print(a) 
# 366
print(b)
# 366

---

为了澄清您的疑问，在您的代码中

w = tf.constant(5)
x = w + 5
y = x**2 + 5
z = x**2 + 5

只需创建一个计算图，直到创建一个

会话

，即使变量尚未初始化

在下面的代码中

with tf.compat.v1.Session() as sess:
    a = y.eval()
    x = w + 3
    b = z.eval()  

一旦会话打开，它将负责将所有操作放入正在使用的设备（CPU或GPU）中。它保存了里面的所有变量

在会话内部，一旦调用Tensorflow，就会自动确定它所依赖的节点，并首先计算这些节点，以解释您所采取的两种场景

1。a=y.eval（）

这里y依赖于x，x依赖于w，所以它首先计算w，然后计算x来计算y

b=z.eval（）

这里z依赖于x，x依赖于w，再次从一开始它首先计算w，然后计算x来计算z它不会重用在y上执行的评估的x和w的结果

在这两种评估中，节点都是由Tensorflow选择的，因为值x是第一个实例

下面是计算的图形表示。您可以看到第二个x声明不是图的一部分（右角）

如果要按顺序运行计算，可以使用

sess.run（）

而不是

eval（）

调用

sess.run（）

时，此方法以以下方式完成图形中的一组计算：它从请求的输出开始，然后反向工作，计算必须根据依赖项集执行的节点

下面是具有所需结果的修改示例

import tensorflow as tf

w = tf.constant(5)
x = w + 5
y = x**2 + 5
x = w + 3
z = x**2 + 5


with tf.compat.v1.Session() as sess:
  # a = y.eval()
  # init.run()
  # b = z.eval()
  print(sess.run(z))
  print(sess.run(y)) 

输出：

 69
105

---

您可以注意到，当请求

sess.run（z）

时，反向立即x值是

x=w+3

，类似于

sess.run（y）

，而反向计算时，立即x值是

x=w+5

为了澄清您的疑问，在您的代码中

w = tf.constant(5)
x = w + 5
y = x**2 + 5
z = x**2 + 5

只需创建一个计算图，直到创建一个

会话

，即使变量尚未初始化

在下面的代码中

with tf.compat.v1.Session() as sess:
    a = y.eval()
    x = w + 3
    b = z.eval()  

一旦会话打开，它将负责将所有操作放入正在使用的设备（CPU或GPU）中。它保存了里面的所有变量

在会话内部，一旦调用Tensorflow，就会自动确定它所依赖的节点，并首先计算这些节点，以解释您所采取的两种场景

1。a=y.eval（）

这里y依赖于x，x依赖于w，所以它首先计算w，然后计算x来计算y

b=z.eval（）

这里z依赖于x，x依赖于w，再次从一开始它首先计算w，然后计算x来计算z它不会重用在y上执行的评估的x和w的结果

在这两种评估中，节点都是由Tensorflow选择的，因为值x是第一个实例

下面是计算的图形表示。您可以看到第二个x声明不是图的一部分（右角）

如果要按顺序运行计算，可以使用

sess.run（）

而不是

eval（）

调用

sess.run（）

时，此方法以以下方式完成图形中的一组计算：它从请求的输出开始，然后反向工作，计算必须根据依赖项集执行的节点

下面是具有所需结果的修改示例

import tensorflow as tf

w = tf.constant(5)
x = w + 5
y = x**2 + 5
x = w + 3
z = x**2 + 5


with tf.compat.v1.Session() as sess:
  # a = y.eval()
  # init.run()
  # b = z.eval()
  print(sess.run(z))
  print(sess.run(y)) 

输出：

 69
105

您可以注意到，当请求

sess.run（z）

时，当执行向后计算时，立即数x值为

x=w+3

，与

sess.run（y）

类似，立即数x值为

x=w+5