Tensorflow-运行总计

如何在循环的每次迭代后添加数字5

我想这样做：

weight = 0.225

for i in range(10):
    weight += 5
    print (weight)

下面是我在tensorflow中的尝试，但它从不更新权重

import tensorflow as tf
def dummy(x):
    weights['h0'] = tf.add(weights['h0'], 5)
    res = tf.add(weights['h0'], x)
    return res

# build computational graph
a = tf.placeholder('float', None)
d = dummy(a)
weights = {
    'h0': tf.Variable(tf.random_normal([1]))
}
# initialize variables
init = tf.global_variables_initializer()

# create session and run the graph
with tf.Session() as sess:
    sess.run(init)
    for i in range(10):
        print (sess.run(d, feed_dict={a: [2]}))
# close session
sess.close()

---

显然有一个赋值操作符

---

有一个显式创建的操作用于添加值并将结果分配回输入节点：

您应该使用它而不是

tf.assing

+

tf.add

此外，更重要的是，您要理解为什么以前的代码无法工作

weights['h0'] = tf.add(weights['h0'], 5)
res = tf.add(weights['h0'], x)

在第一行，您定义了一个节点add，它的输入是

权重['h0']

和

5

，并且将这个节点分配给一个python变量

权重['h0']

因此，

weights['h0']

是一个包含tensorflow节点的python变量

在下一行中，您将在上一个节点和

x

之间定义另一个add节点，然后返回此节点

计算图形时，您计算由

res

指向的节点，该节点强制计算前一个节点（因为res是由

权重['h0']

持有的节点的函数）

问题在于第

1

行的赋值是python赋值，而不是tensorflow赋值。 因此，该赋值操作仅在python环境中执行，但在tensorflow图中没有定义赋值节点

注意：当您将

与

一起使用时，您正在定义一个上下文管理器来为您处理关闭操作。因此，您可以删除

sess.close（）

，因为它在您退出该上下文时自动执行

weights['h0'] = tf.add(weights['h0'], 5)
res = tf.add(weights['h0'], x)