Tensorflow 调用TensorArray.close（）的效果如何？

（tensorflow版本：“0.12.head”）

tensorray.close

的文档说明它关闭了当前的tensorray。对于

TensorArray

的状态意味着什么？我尝试以下代码

import tensorflow as tf
sess = tf.InteractiveSession()
a1 = tf.TensorArray(tf.int32, 2)
a1.close().run()
a2 = a1.write(0, 0)
a2.close().run()
print(a2.read(0).eval())

而且没有错误。

close

的用法是什么

。我搞不懂这个评论是什么意思

---

更新

比如,

import tensorflow as tf

sess = tf.InteractiveSession()

N = 3

def cond(i, arr):
    return i < N

def body(i, arr):
    arr = arr.write(i, i)
    i += 1
    return i, arr

arr = tf.TensorArray(tf.int32, N)
_, result_arr = tf.while_loop(cond, body, [0, arr])
reset = arr.close() # corresponds to https://github.com/deepmind/learning-to-learn/blob/6ee52539e83d0452051fe08699b5d8436442f803/meta.py#L370

NUM_EPOCHS = 3
for _ in range(NUM_EPOCHS):
    reset.run() # corresponds to https://github.com/deepmind/learning-to-learn/blob/6ee52539e83d0452051fe08699b5d8436442f803/util.py#L32
    print(result_arr.stack().eval())

将tensorflow导入为tf
sess=tf.InteractiveSession（）
N=3
def cond（i，arr）：
返回i

---

为什么

arr.close（）

不会使while循环失败？在每个时代开始时调用arr.close（）有什么好处？

这是一个Python操作，它包装了一个本机操作，并且都有帮助字符串，但是本机操作帮助字符串的信息量更大。如果您查看

inspect.getsourcefile（fx\u array.close）

它将指向

tensorflow/python/ops/tensor\u array\u ops.py

。在实现内部，您可以看到它遵从

\u tensor\u array\u close\u v2

。所以你可以这样做

> from tensorflow.python.ops import gen_data_flow_ops
> help(gen_data_flow_ops._tensor_array_close_v2)
Delete the TensorArray from its resource container.  This enables
the user to close and release the resource in the middle of a step/run.

同样的文档字符串也在

tensorraryclosev2下

查看您可以看到，
tensorarracoloseop
是在中注册的
tensorarracolosev2
的实现，并且有更多信息

// Delete the TensorArray from its resource container.  This enables
// the user to close and release the resource in the middle of a step/run.
// TODO(ebrevdo): decide whether closing the grad op should happen
// here or on the python side.
class TensorArrayCloseOp : public OpKernel {
 public:
  explicit TensorArrayCloseOp(OpKernelConstruction* context)
      : OpKernel(context) {}

  void Compute(OpKernelContext* ctx) override {
    TensorArray* tensor_array;
    OP_REQUIRES_OK(ctx, GetTensorArray(ctx, &tensor_array));
    core::ScopedUnref unref(tensor_array);
    // Instead of deleting this TA from the ResourceManager, we just
    // clear it away and mark it as closed.  The remaining memory
    // consumed store its mutex and handle Tensor.  This will be
    // cleared out at the end of the step anyway, so it's fine to keep
    // it around until the end of the step.  Further calls to the
    // TensorArray will fail because TensorArray checks internally to
    // see if it is closed or not.

描述似乎与您看到的行为不一致，可能是一个bug。
在Learning to learn示例中关闭的
Tensorary
不是传递给while循环的原始
Tensorary

# original array (fx_array) declared here
fx_array = tf.TensorArray(tf.float32, size=len_unroll + 1,
                          clear_after_read=False)
# new array (fx_array) returned here
_, fx_array, x_final, s_final = tf.while_loop(
    cond=lambda t, *_: t < len_unroll,
    body=time_step,
    loop_vars=(0, fx_array, x, state),
    parallel_iterations=1,
    swap_memory=True,
    name="unroll")

如果
tensorray已关闭，则此操作将失败。
因为
丢失
op尝试在关闭的阵列上运行
pack（）
。
谢谢@Yaroslav Bulatov。阅读文档字符串使我更加困惑。它说，这使得用户能够在步骤/运行的中间关闭和释放资源。对Tensorary的进一步调用将失败，因为Tensorary会在内部检查它是否关闭。我更新我的问题。在“学会学习”中，它在每个时代的开始称为TensorArray.close。我不明白如果
close
进一步调用Tensorary会失败意味着什么。我也很困惑，这种用法似乎与文档相矛盾根据@sirfz的回答，
Tensorary
的状态在每次运行中似乎是独立的。
session.run([reset, loss])