Tensorflow如何評估不涉及張量的程序位？

Question

Tensorflow如何評估不依賴張量的代碼？

如果我們有這樣的事：

graph = tf.Graph() 

with graph.as_default(): 
    x = tf.constant([[1],[2]]) 
    print("hi1") 
    y = tf.constant([[1],[1]]) 
    print("hi2") 
    z = tf.add(x,y) 
    print("hi3") 

with tf.Session(graph=graph) as sess: 
    z_output = sess.run([z]) 

我怎樣才能確保，只有當某張量像z正被評估的print()語句被執行？現在看來，所有這些都是在程序運行後立即執行的。

Answer 1

TensorFlow 不會執行圖表外的代碼（如那些print()語句）;相反，這是由Python解釋器以正常順序執行的。放置它的另一種方式是：TensorFlow僅評估涉及張量的程序位。 print()語句將在您構建圖形時執行，但由於它們不向圖形添加任何節點，所以在您實際運行圖形時，它們將不會再執行（使用tf.Session()。

這可能會使有道理的，如果我們看一下你的示例程序進行更詳細的做：

graph = tf.Graph() # Create a new graph to contain a TensorFlow program. 

with graph.as_default(): # By default, all created nodes will be added to `graph`. 
    x = tf.constant([[1],[2]]) # Add a constant node to `graph`. 
    print("hi1")    # Print a message *during graph construction*. 
    y = tf.constant([[1],[1]]) # Add a constant node to `graph`. 
    print("hi2")    # Print a message *during graph construction*. 
    z = tf.add(x,y)    # Add an addition node to `graph`. 
    print("hi3")    # Print a message *during graph construction*. 

with tf.Session(graph=graph) as sess: # Create a session for running `graph`. 
    z_output = sess.run([z]) # Run the node `z` and all nodes it depends on. 

如果你想TensorFlow運行一些一段代碼，您必須將其添加到圖形爲此，TensorFlow提供了複製機制共同語言功能，如tf.Print(),tf.while_loop()等