相关疑难解决方法(0)

这里是tensorflow中的tf.GraphKeys的文档,例如TRAINABLE_VARIABLES:将由优化器训练的Variable对象的子集.

我知道tf.get_collection(),哪个可以找到你想要的张量.

使用时tensorflow.contrib.layers.batch_norm(),参数updates_collections默认值为GraphKeys.UPDATE_OPS.

我们如何理解这些集合及其差异.

此外,我们可以在ops.py中找到更多.

请参阅代码段:

import tensorflow as tf

x = tf.Variable(1)
op = tf.assign(x, x + 1)

with tf.Session() as sess:
  tf.global_variables_initializer().run()
  print(sess.run([x, op]))

有两种可能的结果:

• x = 1且op = 2
• x = 2且op = 2

它们取决于评估的顺序,对于第一种情况,x在之前进行评估op,对于第二种情况,x在之后进行评估op.

我已多次运行代码,但结果总是如此x=2 and op=2.所以我想这tensorflow可以保证x在之后进行评估op.这样对吗？如何tensorflow保证依赖？

更新

对于上面的情况,结果是确定的.但在以下情况中,结果并不确定.

import tensorflow as tf

x = tf.Variable(1)
op = tf.assign(x, x + 1)
x = x + 0                   # add this line

with tf.Session() …