Tensorflow：tf.assign()函数的使用方法及易错点

86 阅读 0 评论 57 点赞

我是靠谱客的博主帅气夏天，最近开发中收集的这篇文章主要介绍Tensorflow：tf.assign()函数的使用方法及易错点，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

引言:
当大家在使用tf.assign()这个函数时，如果不是很了解这个函数的用法，很容易出错，而且似乎对应不同的tf版本其操作结果也会有细微的差别，本文是基于1.9.0版本的tf进行描述的，对于更新的版本而言应该结论是一样的，但对于比较旧的版本，可能就会有细微差别。

首先我们看一下源码中的返回值说明：

update = tf.assign(ref, new_value)    # 平时的使用写法
--------------------------------------------------------------------
Returns:
    A `Tensor` that will hold the new value of 'ref' after
      the assignment has completed.

也就是说，只有当这个赋值被完成时，该旧值ref才会被修改成new_value。不过这样描述还是太抽象了，那到底什么叫赋值被完成呢？下面我给大家放两个简单的例子，帮助大家理解

import tensorflow as tf 

ref_a = tf.Variable(tf.constant(1))
ref_b = tf.Variable(tf.constant(2))
update = tf.assign(ref_a, 10)
ref_sum = tf.add(ref_a, ref_b)

with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	print(sess.run(ref_sum))
------------------------------------------------------
输出结果：3

然后你就会感到奇怪，这里与往常的直觉不一样，理论上ref_a应该已经被修改为10了？带着疑问，我们看第二个例子

import tensorflow as tf 

ref_a = tf.Variable(tf.constant(1))
ref_b = tf.Variable(tf.constant(2))
update = tf.assign(ref_a, 10)
ref_sum = tf.add(ref_a, ref_b)

with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	sess.run(update)  # 唯一修改的地方
	print(sess.run(ref_sum))
------------------------------------------------------
输出结果：12

看到这里，是不是大家就明白了。所谓的赋值被完成其实指得是需要对tf.assign()函数的返回值执行一下sess.run()操作后，才能保证正常更新。

在明白了这个易错的地方后，我再介绍两种方法，来达到同样的目的。

方法一：采用ref_a = tf.assign(ref_a, 10)操作，我们看一下代码和运行结果

import tensorflow as tf 

ref_a = tf.Variable(tf.constant(1))
ref_b = tf.Variable(tf.constant(2))
ref_a = tf.assign(ref_a, 10)
ref_sum = tf.add(ref_a, ref_b)

with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	print(sess.run(ref_sum))
------------------------------------------------------
输出结果：12

事实上，tf.assign(ref, new_value)函数返回的结果就是参数中的new_value，因此我们只需要用ref来接收返回值也可以达到直接更新的效果

方法二：使用tf.control_dependencies()函数，我们也同样来看一下代码和结果

import tensorflow as tf 

ref_a = tf.Variable(tf.constant(1))
ref_b = tf.Variable(tf.constant(2))
update = tf.assign(ref_a, 10)

with tf.control_dependencies([update]):
	ref_sum = tf.add(ref_a, ref_b)

with tf.Session() as sess:
	sess.run(tf.global_variables_initializer())
	print(sess.run(ref_sum))
------------------------------------------------------
输出结果：12