Tensorflow：tf.identity和'='运算符有什么区别答案

【问题标题】：Tensorflow: what is the difference between tf.identity and '=' operatorTensorflow：tf.identity和'='运算符有什么区别
【发布时间】：2018-08-16 20:24:23
【问题描述】：

我对@987654321@ 运算符和tf.identity() 感到困惑，我认为'=' 只是对张量进行引用，而身份是复制，例如，与

ref = x
ref = ref*0
sess.run(x)

我会得到 x 全部设置为 0 元素，并带有

copy = tf.identity(x)
copy = ref*0
sess.run(x)

x不会被改变，因为身份复制，不是参考，但是通过实验，'='也复制并且x没有设置为0，那么有什么区别？

【问题讨论】：

标签： python tensorflow graph variable-assignment assignment-operator

【解决方案1】：

区别仅在于 tensorlfow 图形布局。 tf.identity 在图中创建一个 new op 来模仿其参数，而纯赋值添加一个 new python 变量 指向同一个 op。

在这两种情况下（ref 和 x 对或 copy 和 x 对），两个操作的计算结果始终相同。但在第二种情况下，tf.get_default_graph().get_operations() 将在列表中显示一个名为 Identity 的新操作。

sess = tf.InteractiveSession()
x = tf.Variable(1.0)
sess.run(x.initializer)

ref = x
copy = tf.identity(x)
print(x.eval(), copy.eval(), ref.eval())  # 1.0 1.0 1.0

sess.run(x.assign(2.0))
print(x.eval(), copy.eval(), ref.eval())  # 2.0 2.0 2.0

print(tf.get_default_graph().get_operations())

您可能想知道，当她可以简单地分配任务时，为什么会有人想要引入一个新操作。有些情况下分配不起作用，但tf.identity 确实如此，正是因为它创建了一个新操作，例如在控制流中。看到这个问题：How to add control dependency to Tensorflow op。

【讨论】：

【解决方案2】：

接受的答案似乎不再正确，至少在急切的执行中是这样。 tf.identity 将返回具有相同值的不同张量，因此它等效于 <variable>.read_value()。这是文档中的一个示例，显示了当前行为：

a = tf.Variable(5)
a_identity = tf.identity(a)
a.assign_add(1)

a.numpy() # 6 

a_identity.numpy() # 5

因此，我们看到在 tf.identity 返回的张量上执行的操作不会影响调用它的张量。

【讨论】：