以編程方式區分TensorFlow中的張量，變量和Ops

Question

是否有一種很好的方式來區分TensorFlow中張量，變量和操作之間的編程方式？例如，當重新加載模型和tf.local_variables()可以同時具有張量和變量時，就會出現這種情況。如果你嘗試初始化一個張量，你會得到一個錯誤。

下面是我目前的黑客來解決這個問題的一些代碼，但有沒有更好的方法？部分問題是，變量，張量等的類型是，例如，tensorflow.python.ops.variables.Variable，但似乎tensorflow.python不再可用（我認爲它是在一些早期版本？）。這個例子只顯示變量與張量，但我還需要區分ops和張量，並且必須使用類似的hacks。

import tensorflow as tf 
vars_list = [tf.Variable(0), tf.constant(0)] 
# init = tf.variables_initializer(vars_list) # -> AttributeError: 'Tensor' object has no attribute 'initializer' 
var_type = type(tf.Variable(0)) 
init = tf.variables_initializer([v for v in vars_list if type(v) == var_type]) 

Answer 1

通常，在Python中，應當使用

isinstance(x, tf.Variable) 

或

isinstance(x, (tf.Variable, tf.Tensor)) 

等