這是張力流中的錯誤嗎？

Question

我試圖用tensorflow生成斐波納契數：F（n + 2）= F（n + 1）+ F（n）。每次運行我的代碼時，它都會產生不同的結果，非常奇怪。代碼很簡單，並粘貼在下面。

import tensorflow as tf 

a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 

as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 

sess = tf.Session() 
init = tf.global_variables_initializer() 
sess.run(init) 
for i in range(10): 
    print(sess.run([as2, as1,as0])) 

Answer 1

這是一個有趣的！

當你調用sess.run（）時，你似乎只是不知道圖的執行順序，或者至少你不知道每個張量的計算結果是以何種順序完成的，所以分配和總和在錯誤（每次可能不同）順序中執行。下面的代碼工作正常，通過強制圖形做的事情以正確的順序：

import tensorflow as tf 
a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 
as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 
sess = tf.Session() 
init = tf.global_variables_initializer() 
sess.run(init) 
for i in range(10): 
    sess.run(as0) 
    sess.run(as1) 
    print(sess.run(as2)) 

這是不是很實用，因爲它是從圖表的。 您可能會使用flow control ops強制它們按正確的順序執行。

Answer 2

我認爲@gdelab回答的不是完全是沒錯。我的意思是，解決問題的確是事實，但我認爲這不是真正的原因。這是我的猜測。

我強烈地認爲你試圖在Jupyter筆記本上運行該代碼。如果那不是真的，那麼可能我錯了。那麼，假設是這樣的：

1. 第一次運行代碼時，它給出了正確的輸出。

2. 第二次運行代碼時，它會給出另一個輸出。

3. 但那是因爲你沒有從頭開始運行。這是，內核不重新啓動並且變量不會被擦除，所以輸出更改。如果你「重啓核」，然後再次運行該代碼時，輸出始終是相同的（第一圖像的輸出）

現在，請不要告訴我你不使用Jupyter筆記本:)

Answer 3

如果一些操作可以與另一個並行執行，他們可能會。因此，執行順序不是您編寫的操作的順序。

執行的順序僅在明確強制執行時（與tf.control_dependencies一致）或者在計算另一個節點（當節點是另一個節點的先決條件時）之前必須計算節點時存在。

讓我們深入到代碼：

a = tf.Variable(1) 
b = tf.Variable(1) 
c = tf.Variable(2) 
sum=tf.add(a,b) 

到現在爲止，你剛纔定義3個變量和操作。 請注意：你的定義了一個節點。什麼都沒有發生。

as0 = tf.assign(a,b) 
as1=tf.assign(b, c) 
as2=tf.assign(c, sum) 

在這裏，您定義 3分配操作。他們之間有無訂單。 沒有人知道之前和之後會執行什麼，因爲它們之間沒有因果關係。

您唯一可以確定的是，在將sum的值分配給c之前，必須執行總和。

因此，在您的圖形中，只有一個箭頭從sum節點到assign(c,sum)節點。

P.S：這不是像斐波那契數列那樣計算操作的推薦方式。相反，你應該使用tf.scan，它有一個可以幫助你很多的參數accumulator。