tf.control_dependencies与tf.identity组合详解

参考链接：

http://blog.csdn.net/m0_37041325/article/details/76943364

https://stackoverflow.com/questions/34877523/in-tensorflow-what-is-tf-identity-used-for

tf.control_dependencies(self, control_inputs)

arguments：control_inputs: A list of `Operation` or `Tensor` objects which must be executed or computed before running the operations defined in the context. （注意这里control_inputs是list）
return： A context manager that specifies control dependencies for all operations constructed within the context.（返回所有在环境中的控制依赖的上下文管理器）

该方法可以控制操作（op）执行的顺序，不能为tensor

tf.identity(input, name=None)

Args:
input: A Tensor.
name: A name for the operation (optional).

Returns:A tensor with the same shape and contents as the input tensor or value.

源于StackOverFlow有个关于两者使用的例子：

x = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)with tf.control_dependencies([x_plus_1]):y = x
init = tf.global_variables_initializer()
with tf.Session() as session:init.run()for i in range(5):print(y.eval())

针对此程序，输出结果为：0.0 0.0 0.0 0.0 0.0

输出变量x，结果也为0.0

说明x_plus_1操作并没有被执行，我认为虽然tf.control_dependencies参数中的op列表会在with包含的操作op执行之前先执行，但是y=x这个语句并不是一个op，而是一个tensor，所以执行y=x时，并不会执行tf.control_dependencies参数中的操作op。

所以可以将 y=x 修改为 y=tf.identity(x),此时这个语句就是一个操作op，要先执行tf.control_dependencies参数中的op列表，再执行y=tf.identity(x)操作，最终输出结果为1.0 2.0 3.0 4.0 5.0,最终变量x的结果也为5.0，完整程序如下：

x = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)with tf.control_dependencies([x_plus_1]):y = tf.identity(x)
init = tf.global_variables_initializer()
with tf.Session() as session:init.run()for i in range(5):print(y.eval())print(x.eval())

tf.control_dependencies与tf.identity组合详解相关推荐

【TensorFlow】理解tf.nn.conv2d方法 ( 附代码详解注释 )
最近在研究学习TensorFlow,在做识别手写数字的demo时,遇到了tf.nn.conv2d这个方法,查阅了官网的API 发现讲得比较简略,还是没理解.google了一下,参考了网上一些朋友写得博 ...
tensorflow学习笔记：tf.control_dependencies，tf.GraphKeys.UPDATE_OPS，tf.get_collection
tf.control_dependencies(control_inputs): control_dependencies(control_inputs) ARGS: control_inputs:在 ...
【转】tensorflow中的batch_norm以及tf.control_dependencies和tf.GraphKeys.UPDATE_OPS的探究
笔者近来在tensorflow中使用batch_norm时,由于事先不熟悉其内部的原理,因此将其错误使用,从而出现了结果与预想不一致的结果.事后对其进行了一定的调查与研究,在此进行一些总结. 一.错误 ...
tf.expand_dims（）和tf.squeeze（）的用法详解
tf.expand_dims tf.expand_dims(input, axis=None, name=None, dim=None ) 给定的张量input,axis为需要在第几维度扩充,axis ...
torch.nn.identity()方法详解
先看代码 m = nn.Identity( 54, unused_argument1=0.1, unused_argument2=False )input = torch.randn(128, 20) ...
tf.cancat() 详解 —》理解为主
tensorflow 中用来拼接张量的函数tf.concat(),用法: tf.concat([tensor1, tensor2,...], axis) 代码详解-维度变化理解: # 参考:https ...
【神经网络架构】Swin Transformer细节详解-1
目录源码: 1. Patch Partition + Liner Embedding 模块 2. Swin Transformer block(一个完整的W-MSA) partition windo ...
linux压缩解压缩文件夹或文件命令详解
一.压缩当前目录下的文件夹或者文件app到app.tar tar -cvf app.tar app 二.解压缩当前目录下的压缩包app.tar到app tar -xvf app.tar 三.不解压的情 ...
python 3.x 爬虫基础---http headers详解
python 3.x 爬虫基础 python 3.x 爬虫基础---http headers详解 python 3.x 爬虫基础---Urllib详解 python 3.x 爬虫基础---Requer ...

tf.control_dependencies与tf.identity组合详解

tf.control_dependencies与tf.identity组合详解相关推荐

最新文章

热门文章