（Tensorflow）是否指定更改梯度計算？

Question

我使用op「assign」來改變變量的值而不是「=」，但是我發現我得到的漸變是完全不同的。有誰能告訴我區別，爲什麼？謝謝！ 樣變瓦特= W1到 OP1 = tf.assign（W，W1）sess.run（OP1）

Answer 1

=和tf.assign是不同的操作。

=是蟒操作，在其中一個python值分配給一個Python變量

tf.assign是分配值給變量ref和返回分配操作一個Tensorflow操作。

=在python中執行並且不影響計算圖。 tf.assign是計算圖中的一個節點。

要理解，讓我們來運行這個簡單的腳本

import tensorflow as tf 

x = tf.Variable(1) 
y = tf.Variable(2) 

x = y 

print(x.name, y.name) 

a = tf.Variable(1) 
b = tf.Variable(2) 

# override a, otherwise a content is 1 
a = a.assign(b) 
print(a.name, b.name) 

init = tf.global_variables_initializer() 
with tf.Session() as sess: 
    sess.run(init) 
    print(sess.run([x, y, a, b])) 

print(x.name, y.name)輸出Variable_1:0 Variable_1:0

因爲=在蟒蛇被執行，你已經覆蓋變量x。

print(a.name, b.name)輸出Assign:0 Variable_3:0因爲您在計算圖中定義了一個賦值操作，現在a是一個賦值操作。

當您運行定義圖表，您可以：

[2, 2, 2, 2] 

但是，這些值計算方式不同：一種是在圖形計算，其他的沒有。

如果您忘記分配a與tf.assign（因此你改變線路a = a.assign(b)到a.assign(b)）創建的分配運算，那麼當你評估圖，你會得到：

[2, 2, 1, 2]