Tensorflow identity笔记

continue

概述：
在tensorflow学习中，经常会用到identity这个操作，一直不知道原因，这里留下一点学习记录。直接上代码。

代码功能：我们想完成tensorflow下的自增计算操作，也就是x += 1，这要在计算图上完成并没有想象的简单。

import tensorflow as tf

x = tf.Variable(0.0)
#tensor加操作，自身x也增1
x_plus_1 = tf.assign_add(x, 1)

#control_dependencies 在调用ops时控制依赖关系
with tf.control_dependencies([x_plus_1]):
    y = x
    
init = tf.global_variables_initializer()
with tf.Session() as session:
    #参数初始化
    init.run()
    for i in xrange(5):
        print(session.run(y))#相当于sess.run(y)，由于control_dependencies的所以执行print前都会先执行x_plus_one

output:
0.0
0.0
0.0
0.0
0.0

上述Bug:以上代码是自增+1操作，但是结果确都是0。
分析原因: y=x为一个非tf的op操作，该操作不受限于control_dependencies，所以每次y的执行不会调用x_plus_one。

import tensorflow as tf

x = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)

with tf.control_dependencies([x_plus_1]):
    y = tf.identity(x)  #修改部分
    
init = tf.global_variables_initializer()
with tf.Session() as session:
    #参数初始化
    init.run()

    for i in xrange(5):
        print(session.run(y))
train_writer.close()

output:
1.0
2.0
3.0
4.0
5.0

分析：上述y=identity(x)为一个tf的op操作，类似于C语言的指针，但是它受限于control_dependencies,调用x_plus_one，所以能正常完成+1操作。

额外一个小例子：

import tensorflow as tf

x = tf.Variable(0.0)
x_plus_1 = tf.assign_add(x, 1)

with tf.control_dependencies([x_plus_1]):
    y = x
    sum_y = tf.summary.scalar('y', y)
    
init = tf.global_variables_initializer()
with tf.Session() as session:
    #参数初始化
    init.run()
    train_writer = tf.summary.FileWriter('Summaries/zfy_test', session.graph)

    for i in xrange(5):
        print(session.run(y))
        summary = session.run(sum_y)
        train_writer.add_summary(summary, i)
train_writer.close()

output:
0.0
1.0
2.0
3.0
4.0

分析：这里是比较能体会计算图的一个例子，summary这里是引入的可视化的操作（假设大家知道了），该操作也受限于control_dependencies。分析可以看出结果存在一个单位的延迟。