tf.assign()函式簡單解釋
阿新 • • 發佈:2018-12-13
例項程式碼
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
state = tf.Variable(1)
state_ = tf.assign(state, 10)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(state))
print(sess.run(state_))
print(sess.run(state))
輸出:
1 10 10
下面這個語句建立了兩個節點
state = tf.Variable(1)
state_ = tf.assign(state, 10)
第一個節點會返回一個建立好的變數。 第二個節點是完成對於第一個節點的返回的資料的賦值過程節點。
之後,建立一個會話。先是進行全域性的變數的初始化,之後,執行第一個語句,並輸出執行完這個語句的返回。
- 我們知道了,在第二節點上,確實發生了賦值過程。
- 通過第三句,我們其實只是獲得到了這樣的一個節點。同時,確定了,這句話的關於變數的賦值過程,其實並不是在該句話完成的。這句話(也就是該節點),其實只是做了一個關於該變數點的一個指向過程而已。