Types 为什么TensorFlow中tf.Variable（[8.0]，tf.float64）的类型是float 32而不是float 64？

（更新问题） 我认为原来的问题令人困惑，我找到了一个更简单的方法来问这个问题

#!/usr/bin/python

import tensorflow as tf
x = tf.Variable([2], tf.float32)
print x.dtype

如果我们尝试上面的代码段，那么输出如下：

<dtype: 'int32_ref'>

奇怪的是，我遇到了以下类型错误：

TypeError:“ScatterNdUpdate”Op的输入“updates”的类型float32与参数“ref”的类型float64不匹配。

将

tf.Variable（[8.0]，tf.float64）

更改为下一行后，它工作了

updates = tf.Variable(np.array([8.0]).astype(np.float64), tf.float64)

因此，

tf.Variable（[8.0]，tf.float64）

的类型似乎不是tf.float64，尽管我明确指定了类型为tf.float64。谁能告诉我原因吗？谢谢大家!

更新：

使用tf.Variable（）时使用数据类型

原始问题：

将ref类型设置为float32对我来说很有用

做

或

---

我猜，ScatterNdUpdate操作只适用于float32而不是float64。

原因很简单：您的代码创建了一个可训练的

tf.Variable

（您的

tf.float64

对于

可训练的
参数被解释为
True
。如果您只添加
dtype
，它将起作用：

    updates = tf.Variable([8.0], dtype=tf.float64)

事实上，也有类似的情况

ref = tf.Variable(np.arange(0, 12).reshape((4, 3)).astype(np.float32))

ref = tf.Variable(np.arange(0, 12).reshape((4, 3)),dtype=tf.float32)

    updates = tf.Variable([8.0], dtype=tf.float64)