tensorflow feed

import tensorflow as tf

a=tf.Variable(100)

b=tf.Variable(200)

c=tf.Variable(300)

update1=tf.assign(c,b+a)

update2=tf.assign(c,3)

update3=tf.assign_add(b,10)

d=a+50

with tf.Session() as sess:

    sess.run(tf.global_variables_initializer())

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d))

    # >>> 100 200 300 150

    sess.run(update1,feed_dict={a:10,b:20})

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d))

    # >>> 100 200 30 150

    #经过update1传入外部a,b值更新c值，a,b的内部值没有变化，feed_dict的作用范围仅与c的计算有关。

    sess.run(update2)

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d))

    # >>> 100 200 3 150

    #经过update2操作，tf.assign()操作更改了c的内部值。

    sess.run(update3)

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d))

    # >>> 100 210 3 150

    #经过update3操作，tf.assign_add()进行了对b+10操作

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d,feed_dict={a:1}))

    # >>> 100 210 3 51

    #计算d时使用外部的a值

    print(sess.run(a),sess.run(b),sess.run(c),sess.run(d))

    # >>> 100 210 3 150

    #sess.run(d,feed_dict={a:1})操作并没有更改d的内部值。

总结，feed_dict仅在调用相关操作范围内有效，相当于临时值，调用结束后失效，使用assign相关操作能更改内部值。

巴特西

tensorflow feed_dict()

最新文章

热门文章