直到一個代碼執行后,這才變得顯而易見.就像這個pattern

import tensorflow as tf

def cond(size, i):

return tf.less(i,size)

def body(size, i):

a = tf.get_variable("a",[6],dtype=tf.int32,initializer=tf.constant_initializer(0))

a = tf.scatter_update(a,i,i)

tf.get_variable_scope().reuse_variables() # Reuse variables

with tf.control_dependencies([a]):

return (size, i+1)

with tf.Session() as sess:

i = tf.constant(0)

size = tf.constant(6)

_,i = tf.while_loop(cond,

body,

[size, i])

a = tf.get_variable("a",[6],dtype=tf.int32)

init = tf.initialize_all_variables()

sess.run(init)

print(sess.run([a,i]))

輸出是

[array([0, 1, 2, 3, 4, 5]), 6]

> tf.get_variable獲取具有這些參數的現有變量或創建一個新變量.

> tf.control_dependencies這是事前發生的關系.在這種情況下,我知道scatter_update在while遞增和返回之前發生.沒有這個,它不會更新.

注意：我不太了解錯誤的含義或原因.我也明白

總結

以上是生活随笔為你收集整理的python中loop的用法_python-在Tensorflow中使用tf.while_loop更新变量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。