这是tensorflow中的错误吗？

我试图用张量流生成斐波那契数：F（n+2）=F（n+1）+F（n）。每次我运行我的代码，它都会产生不同的结果，非常奇怪。代码很简单，粘贴在下面

import tensorflow as tf

a = tf.Variable(1)
b = tf.Variable(1)
c = tf.Variable(2)
sum=tf.add(a,b) 

as0 = tf.assign(a,b)
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
for i in range(10):
    print(sess.run([as2, as1,as0]))

真有趣

似乎您不知道调用sess.run（）时图形的执行顺序，或者至少不知道每个张量的计算是按什么顺序完成的，因此赋值和求和的顺序是错误的（可能每次都不同）。通过强制图形按正确的顺序执行操作，以下代码可以正常工作：

import tensorflow as tf
a = tf.Variable(1)
b = tf.Variable(1)
c = tf.Variable(2)
sum=tf.add(a,b) 
as0 = tf.assign(a,b)
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
for i in range(10):
    sess.run(as0)
    sess.run(as1)
    print(sess.run(as2))

这是不太实际的，因为它超出了图表范围。

---

你可以用vbl来强制他们按正确的顺序执行。

我认为@gdelab回答它不完全正确。我的意思是，这确实解决了问题，但我认为这不是真正的原因。我猜是这样的

我强烈认为您正在试图在Jupyter笔记本上运行该代码。如果那不是真的，那么我可能错了。好吧，假设这是真的：

第一次运行代码时，它会给出正确的输出

第二次运行代码时，它会给出另一个输出

但那是因为你不是白手起家。也就是说，内核不会重新启动，变量也不会被擦除，因此输出会发生变化。如果您执行“重新启动内核”，然后再次运行代码，输出总是相同的（第一个图像的输出）

---

现在，请不要告诉我你没有使用Jupyter笔记本：）

如果某个操作可以与另一个操作并行执行，它们可能会并行执行。因此，执行的顺序不是您编写的操作的顺序

仅当显式强制执行（使用）或必须在计算另一个节点之前计算一个节点（当一个节点是另一个节点的先决条件时）时，执行顺序才存在

让我们深入了解您的代码：

a = tf.Variable(1)
b = tf.Variable(1)
c = tf.Variable(2)
sum=tf.add(a,b)

到目前为止，您只定义了3个变量和一个操作。 请注意：您定义了一个节点。什么也没发生

as0 = tf.assign(a,b)
as1=tf.assign(b, c) 
as2=tf.assign(c, sum)

这里定义了3个赋值操作。他们之间没有秩序。 没有人知道前后会执行什么，因为它们之间没有因果关系

唯一可以确定的是，在将

sum

的值分配给

c

之前，必须执行sum

因此，在图形中只有一个箭头从

sum

节点指向

assign（c，sum）

节点

---

附言：这不是像斐波那契序列那样计算运算的推荐方法。相反，您应该使用具有任何参数

累加器的函数，该函数对您有很大帮助。
它返回不同的结果是什么意思？我刚试过，每次都一样。似乎无法正确生成您的序列，尽管这很有趣！我每次也会得到不同的值，总是不正确的，总是第二和第三个元素相等，并且as2[I]=as1[I]+as1[I-1]。我的猜测是，在调用sess.run（）时，您不知道图形的执行顺序，因此赋值和求和的执行顺序是错误的（可能每次都不同），就您所知，这可能吗？顺便说一下，问题的标题太宽泛了，您应该将其更改为更好地描述您的问题的内容。您会发现这个问题也很有趣，但本质上这是一个不同的问题--澄清sess.run（）中元素的实际求值顺序。但有一点是清楚的：仅仅执行tf.assign（）是不够的，因为您还需要运行assign的（）/eval（），以便实际执行它。因此，由于您同时执行所有这些操作，并且其中一些操作相互依赖，问题就变成了TF在一次操作中实际执行它们的顺序。我以前在这里看到过这个问题，但我不记得在“TF解决它”之外看到过清楚的答案。很高兴听到TF的消息！