张量流是否缓存数据？

Question

在以下代码中：

import tensorflow as tf
import numpy as np

with tf.Session():
    input_features = tf.constant(np.reshape([2, 1, 1, 2], (1, 4)).astype(np.float32))
    print(input_features)
    weights = tf.constant(np.random.randn(4, 2).astype(np.float32))
    output = tf.matmul(input_features, weights)
    print("Input:")
    print(input_features.eval())
    print("Weights:")
    print(weights.eval())
    print("Output:")
    print(output.eval())

当它调用print(weights.eval()) 时，将计算权重。当它调用output.eval()时，会重新计算权重，还是使用之前调用的缓存值？

Answer 1

weights 是一个常数张量，它在运行这一行时得到一个值：

weights = tf.constant(np.random.randn(4, 2).astype(np.float32))

... 这个值实际上存储在图表中并且永远不会改变，就像input_features。您可以评估 weights 或任何相关操作并始终获得相同的结果。当然，Tensorflow 将所有常量和变量的值存储在一个会话中，如果你愿意，你可以称之为缓存。

这里唯一的随机点是值本身：np.random.randn(4, 2)。每次运行脚本时，该数组都会有所不同（但在脚本中是相同的，如上所述）。