python - TensorFlow 变量和常量

Question

我是 tensorflow 的新手，我无法理解变量和常量的区别，我知道我们将变量用于方程，将常量用于直接值，但为什么代码 #1 只能工作，为什么不能代码# 2和#3，请解释在哪些情况下我们必须先运行图表(a)然后运行变量(b)，即

 (a) session.run(model)
 (b) print(session.run(y))

在这种情况下我可以直接执行这个命令即

print(session.run(y))

代码 #1:

x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')

model = tf.global_variables_initializer() 

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

代码 #2:

x = tf.Variable(35, name='x')
y = tf.Variable(x + 5, name='y')

model = tf.global_variables_initializer() 

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

代码 #3:

x = tf.constant(35, name='x')
y = tf.constant(x + 5, name='y')

model = tf.global_variables_initializer() 

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

Answer 1

在 TensorFlow 中，常量和变量之间的区别在于，当你声明一些 constant ，它的值以后不能改变(初始化也要带值，不带操作)。

然而，当您声明 Variable ，您可以在将来使用 tf.assign() 更改其值方法(并且可以通过值或操作来实现初始化)。

函数tf.global_variables_initializer()使用作为参数传递的值初始化代码中的所有变量，但它在异步模式下工作，因此当变量之间存在依赖关系时无法正常工作。

您的第一个代码 (#1) 可以正常工作，因为不依赖于变量初始化并且常量是用值构造的。

由于 tf.global_variables_initializer() 的异步行为，第二个代码 (#2) 不起作用.您可以使用 tf.variables_initializer() 修复它如下:

x = tf.Variable(35, name='x')
model_x = tf.variables_initializer([x])

y = tf.Variable(x + 5, name='y')
model_y = tf.variables_initializer([y])


with tf.Session() as session:
   session.run(model_x)
   session.run(model_y)
   print(session.run(y))

第三个代码 (#3) 无法正常工作，因为您尝试使用操作初始化常量，这是不可能的。为了解决这个问题，一个合适的策略是 (#1)。

关于你的最后一个问题。您需要运行 (a) session.run(model)当你的计算图中有变量时(b) print(session.run(y)) .